Direct and indirect costs incurred by Australian living kidney donors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To describe the direct and indirect costs incurred by Australian living kidney donors. METHODS: A total of 55 living kidney donors from three centres in Perth, Australia and one centre in Melbourne, Australia (2010-2014) was studied. Forty-nine donors provided information on expenses incurred during the donor evaluation period and up to 3 months after donation. A micro-costing approach was used to measure and value the units of resources consumed. Expenses were grouped as direct costs (ground and air travel, accommodation, and prescription medications) and indirect costs (lost wages and lost productivity). Costs were standardized to the year 2016 in Australian dollars. RESULTS: The most common direct costs were for ground travel (100%), parking (76%), and post-donation pain medications or antibiotics (73%). The highest direct costs were for air travel (median $1986 [three donors]) and ground travel (median $459 [49 donors]). Donors also reported lost wages (median $9891 [37 donors]). The inability to perform household activities or care for dependants were reported by 32 (65%) and 23 (47%) donors. Total direct costs averaged $1682 per donor (median $806 among 49 donors). Total indirect costs averaged $7249 per donor (median $7273 among 49 donors). Total direct and indirect costs averaged $8932 per donor (median $7963 among 49 donors). CONCLUSION: Many Australian living kidney donors incur substantial costs during the donation process. Our findings inform the continued development of policies and programmes designed to minimize costs incurred by living kidney donors.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle