Factors influencing dialysis withdrawal: a scoping review
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
BACKGROUND: Research on factors associated with dialysis withdrawal is scarce. This study examined the predictors that might influence rate of dialysis withdrawal. Existing literature is summarized, analyzed and synthesized to identify gaps in the literature with regard to the factors associated with dialysis withdrawal. METHODS: This scoping review used a systematic search to synthesize research findings related to dialysis withdrawal and identified gaps in the literature. The search strategy was developed and applied using PubMed, EMBASE and CINHAL databases. The selection criteria included articles written in English and published between 1997 and 2016 that examined dialysis withdrawal and associated factors in patients with any modality of renal dialysis.. Case reports and studies only including renal transplant patients were excluded. Fifteen articles were selected in accordance with these selection criteria. RESULTS: The literature review revealed a scarcity of research on dialysis withdrawal and associated factors. Furthermore, the study findings were inconsistent and inconclusive. Authors have defined dialysis withdrawal in terms of dialysis discontinuation, withholding, death, withdrawal, treatment refusal/cessation, or technique failure. Authors have selected homogeneous patient population on either hemodialysis (HD) or peritoneal dialysis (PD) patients, thus making comparisons of studies and generalization of findings difficult. CONCLUSION: Future studies should explore the influence of both HD and PD on patient-elected dialysis withdrawal using a large a priori calculated sample size.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 0,001 |
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