Temporal Trends and Factors Associated with Home Hemodialysis Technique Survival in Canada
Notice bibliographique
Résumé
Background and objectives The last 15 years has seen growth in home hemodialysis (HD) utilization in Canada owing to reports of improved outcomes relative to patients on conventional in-center HD. What effect growth has had on home HD technique and patient survival during this period is not known. Design, settings, participants, & measurements We compared the risk of home HD technique failure, mortality, and the composite outcome among three incident cohorts of patients on home HD in Canada: 1996–2002, 2003–2007, and 2008–2012. A multivariable piece-wise exponential model was used to evaluate all outcomes using inverse probability of treatment and censoring weights. Results A total of 1869 incident patients on home HD were identified from the Canadian Organ Replacement Register. Relative to those treated between 2003 and 2007 ( n =568), the risk of home HD technique failure was similar between patients treated between 1996 and 2002 ( n =233; adjusted hazard ratio [AHR], 1.39; 95% confidence interval [95% CI], 0.78 to 2.46) but higher among incident patients on home HD treated between 2008 and 2012 ( n =1068; AHR, 1.51; 95% CI, 1.06 to 2.15). Relative to patients treated between 2003 and 2007, adjusted mortality was similar among those treated between 2008 and 2012 (AHR, 0.83; 95% CI, 0.58 to 1.19) and those treated between 1996 and 2002 (AHR, 0.67; 95% CI, 0.38 to 1.21). The risk of the composite outcome of death and technique failure was similar across cohorts, as was the risk of receiving a kidney transplant. Increasing age, diabetes as a comorbidity, and smoking status were associated with an increased risk of death as well as the composite outcome. Medium-sized facilities had a lower risk of death, technique failure, and the composite outcome compared with larger facilities. Conclusions A higher risk of technique failure was seen in the most contemporary era. Further characterization of the risk factors for, and causes of technique failure is needed to develop strategies to improve patient retention on home HD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».