Socioeconomic Status and Kidney Transplant Outcomes in a Universal Healthcare System: A Population-based Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Conflicting evidence exists regarding the relationship between socioeconomic status (SES) and outcomes after kidney transplantation. METHODS: We conducted a population-based cohort study in a publicly funded healthcare system using linked administrative healthcare databases from Ontario, Canada to assess the relationship between SES and total graft failure (ie, return to chronic dialysis, preemptive retransplantation, or death) in individuals who received their first kidney transplant between 2004 and 2014. Secondary outcomes included death-censored graft failure, death with a functioning graft, all-cause mortality, and all-cause hospitalization (post hoc outcome). RESULTS: Four thousand four hundred-fourteen kidney transplant recipients were included (median age, 53 years; 36.5% female), and the median (25th, 75th percentile) follow-up was 4.3 (2.1-7.1) years. In an unadjusted Cox proportional hazards model, each CAD $10000 increase in neighborhood median income was associated with an 8% decline in the rate of total graft failure (hazard ratio [HR], 0.92; 95% confidence interval [CI], 0.87-0.97). After adjusting for recipient, donor, and transplant characteristics, SES was not significantly associated with total or death-censored graft failure. However, each CAD $10000 increase in neighborhood median income remained associated with a decline in the rate of death with a functioning graft (adjusted (a)HR, 0.91; 95% CI, 0.83-0.98), all-cause mortality (aHR, 0.92; 95% CI, 0.86-0.99), and all-cause hospitalization (aHR, 0.95; 95% CI, 0.92-0.98). CONCLUSIONS: In conclusion, in a universal healthcare system, SES may not adversely influence graft health, but SES gradients may negatively impact other kidney transplant outcomes and could be used to identify patients at increased risk of death or hospitalization.
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 | 0,000 | 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 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 ».