Financial Costs Incurred by Living Kidney Donors: A Prospective Cohort Study
Notice bibliographique
Résumé
Background Approximately 40% of the kidneys for transplant worldwide come from living donors. Despite advantages of living donor transplants, rates have stagnated in recent years. One possible barrier may be costs related to the transplant process that potential willing donors may incur for travel, parking, accommodation, and lost productivity. Methods To better understand and quantify the financial costs incurred by living kidney donors, we conducted a prospective cohort study, recruiting 912 living kidney donors from 12 transplant centers across Canada between 2009 and 2014; 821 of them completed all or a portion of the costing survey. We report microcosted total, out-of-pocket, and lost productivity costs (in 2016 Canadian dollars) for living kidney donors from donor evaluation start to 3 months after donation. We examined costs according to ( 1 ) the donor’s relationship with their recipient, including spousal (donation to a partner), emotionally related nonspousal (friend, step-parent, in law), or genetically related; and ( 2 ) donation type (directed, paired kidney, or nondirected). Results Living kidney donors incurred a median (75th percentile) of $1254 ($2589) in out-of-pocket costs and $0 ($1908) in lost productivity costs. On average, total costs were $2226 higher in spousal compared with emotionally related nonspousal donors ( P =0.02) and $1664 higher in directed donors compared with nondirected donors ( P <0.001). Total costs (out-of-pocket and lost productivity) exceeded $5500 for 205 (25%) donors. Conclusions Our results can be used to inform strategies to minimize the financial burden of living donation, which may help improve the donation experience and increase the number of living donor kidney transplants.
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 | 0,001 |
| 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 ».