Efficacy of Educational Interventions in Improving Measures of Living-donor Kidney Transplantation Activity: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: To address patient-level barriers to living-donor kidney transplantation (LDKT), centers have implemented educational interventions. Recently, some have highlighted several gaps in knowledge and lack of evidence of efficacy of these interventions. No review has synthesized the available data. METHODS: We conducted a systematic review and meta-analysis of studies conducted to increase measures of LDKT. Outcomes of interest were LDKT rates, donor evaluation, donor contact/inquiry, total transplantation rates, and change in knowledge scores and pursuit behaviors. A literature search was conducted across 7 databases from inception until 2017. Educational interventions were a decision/teaching aid alone or with personalized sessions. Comparator was another intervention or nonspecific education. Random effects meta-analysis was performed to pool risk ratios (RRs) across studies. RESULTS: Of the 1813 references, 15 met the inclusion criteria; 9 were randomized control trials. When compared with nonspecific education, interventions increased LDKT rates (RR = 2.54; 95% confidence interval [CI], 1.49-4.35), donor evaluation (RR = 3.82; 95% CI, 1.91-7.64), and donor inquiry/contact (RR = 2.41; 95% CI, 1.53-3.80), but not total transplants (RR = 1.24; 95% CI, 0.96-1.61). Significant increased mean knowledge scores postintervention was noted, and most showed favorable trends in pursuit behaviors. Quality across the studies was mixed and sometimes difficult to assess. The biggest limitations were small sample size, selection bias, and short follow-ups. CONCLUSIONS: Educational interventions improve measures of LDKT activity; however, current literature is heterogeneous and at risk of selection bias. Prospective studies with diverse patient populations, longer follow-ups, and robust outcomes are needed to inform clinical practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,041 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».