MétaCan
Menu
Retour à la cohorte
Enregistrement W2920912058 · doi:10.1111/nep.13574

Effect of centre‐ and patient‐related factors on uptake of haemodiafiltration in Australia and New Zealand: A cohort study using ANZDATA

2019· article· en· W2920912058 sur OpenAlexfundno aff
Kathy Mac, James Hedley, Patrick J. Kelly, Vincent Lee, John Agar, Carmel M. Hawley, David W. Johnson, Emily See, Kevan R. Polkinghorne, Kannaiyan S Rabindranath, Kamal Sud, Angela C Webster

Notice bibliographique

RevueNephrology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMinistry of Health, British ColumbiaKidney Health Australia
Mots-clésMedicineConfidence intervalOdds ratioLogistic regressionBody mass indexDialysisCohortInternal medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background The use of haemodiafiltration (HDF) for the management of patients with end‐stage kidney failure is increasing worldwide. Factors associated with HDF use have not been studied and may vary in different countries and jurisdictions. The aim of this study was to document the pattern of increase and variability in uptake of HDF in Australia and New Zealand, and to describe patient‐ and centre‐related factors associated with its use. Methods Using the Australian and New Zealand Dialysis and Transplant Registry, all incident patients commencing haemodialysis (HD) between 2000 and 2014 were included. The primary outcome was HDF commencement over time, which was evaluated using multivariable logistic regression stratified by country. Results Of 27 433 patients starting HD, 3339 (14.4%) of 23 194 patients in Australia and 810 (19.1%) of 4239 in New Zealand received HDF. HDF uptake increased over time in both countries but was more rapid in New Zealand than Australia. In Australia, HDF use was more likely in males (odds ratio (OR) 1.13, 95% confidence interval (CI) = 1.03–1.24, P = 0.009) and less likely with older age (reference <40 years; 40–54 years OR = 0.85; 95% CI = 0.72–0.99; 55–69 years OR = 0.79; 95% CI = 0.67–0.91; >70 years OR = 0.48; 95% CI = 0.41–0.56); higher body mass index (body mass index (BMI) < 18.5 kg/m2 OR = 0.62; 95% CI = 0.46–0.84; 18.5–29.9 kg/m2 reference; >30 kg/m2 OR = 1.46; 95% CI = 1.33–1.61), chronic lung disease (OR = 0.84; 95% CI = 0.76–0.94; P < 0.001), cerebrovascular disease (OR = 0.76; 95% CI = 0.67–0.85; P < 0.001) and peripheral vascular disease (OR = 0.77; 95% CI = 0.70–0.85; P < 0.001). No association was identified with race. In New Zealand, HDF use was more likely in Maori and Pacific Islanders (OR = 1.32; 95% CI = 1.05–1.66) and Asians (OR = 1.75; 95% CI = 1.15–2.68) compared to Caucasians, and less likely in males (OR = 0.76; 95% CI = 0.62–0.94; P = 0.01). No association was identified with BMI or co‐morbidities. In both countries, centres with a higher ratio of HD to peritoneal dialysis (PD) were more likely to prescribe HDF. Larger Australian centres were more likely to prescribe HDF (36–147 new patients/year OR = 26.75, 95% CI = 18.54–38.59; 17–35/year OR = 7.51, 95% CI = 5.35–10.55; 7–16/year OR = 3.00; 95% CI = 2.19–4.13; ≤6/year reference). Conclusion Haemodiafiltration uptake is increasing, variable and associated with both patient and centre characteristics. Centre characteristics not explicitly captured elsewhere explained 36% of variability in HDF uptake in Australia and 48% in New Zealand.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,431

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,285
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNephrologyMême sujetDialysis and Renal Disease ManagementTravaux en français237 207