Risk-Based Triage for Nephrology Referrals Using the Kidney Failure Risk Equation
Notice bibliographique
Résumé
BACKGROUND: In some jurisdictions, routine reporting of the estimated glomerular filtration rate (eGFR) has led to an increase in nephrology referrals and wait times. OBJECTIVE: We describe the use of the Kidney Failure Risk Equation (KFRE) as part of a triage process for new nephrology referrals for patients with chronic kidney disease stages 3 to 5 in a Canadian province. DESIGN: A quasi-experimental study design was used. SETTING: This study took place in Manitoba, Canada. MEASUREMENTS: Demographics, laboratory values, referral numbers, and wait times were compared between periods. METHODS: In 2012, we adopted a risk-based cutoff of 3% over 5 years using the KFRE as a threshold for triage of new referrals. Referrals who did not meet other prespecified criteria (such as pregnancy, suspected glomerulonephritis, etc) and had a kidney failure risk of <3% over 5 years were returned to primary care with recommendations based on diabetes and hypertension guidelines. The average wait time and number of consults seen between the pretriage (January 1, 2011, to December 31, 2011) and posttriage period (January 1, 2013, to December 31, 2013) were compared using a general linear model. RESULTS: In the pretriage period, the median number of referrals was 68/month (range: 44-76); this increased to 94/month (range: 61-147) in the posttriage period. In the posttriage period, 35% of referrals were booked as urgent, 31% as nonurgent, and 34% of referrals were not booked. The median wait times improved from 230 days (range: 126-355) in the pretriage period to 58 days (range: 48-69) in the posttriage period. LIMITATIONS: We do not have long-term follow-up on patients triaged as low risk. Our study may not be applicable to nephrology teams operating under capacity without wait lists. We did not collect detailed information on all referrals in the pretriage period, so any differences in our pretriage and posttriage patient groups may be unaccounted for. CONCLUSIONS: Our risk-based triage scheme is an effective health policy tool that led to improved wait times and access to care for patients at highest risk of progression to kidney failure.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».