Attitudes of Liver Transplant Candidates Toward Organs From Increased‐Risk Donors
Notice bibliographique
Résumé
Increased-risk donor (IRD) organs make up a significant proportion of the deceased organ donor pool but may be declined by patients on the waiting list for various reasons. We conducted a survey of patients awaiting a liver transplant to determine the factors leading to the acceptance of an IRD organ as well as what strategies could increase the rate of acceptance. Adult liver transplant candidates who were outpatients completed a survey of 51 questions on a 5-point Likert scale with categories related to demographics, knowledge of IRDs, and likelihood of acceptance. A total of 150 transplant candidates completed the survey (age 19-80 years). Male patients constituted 67.3%. Many patients (58.7%) had postsecondary education. Only 23.3% of patients had a potential living donor, and 58/144 (40.3%) were not optimistic about receiving an organ in the next 3 months. The overall IRD organ acceptance rate was 41.1%, whereas 26.2% said they would decline an IRD organ. Women were more likely to accept an IRD organ (54.3% versus 34.7%; P = 0.02). Those who had a college education or higher tended to have lower IRD organ acceptability (28.3% versus 47.4%; P = 0.07). Acceptability also increased as the specified transmission risk of human immunodeficiency virus or hepatitis C virus decreased (P < 0.001). Patients were also more likely to accept an IRD organ if they were educated on the benefits of IRD organs (eg, knowledge that an IRD organ was of better quality increased overall acceptance from 41.1% to 63.3%; P < 0.001). Our survey provides insight into liver transplant candidates who would benefit from greater education on IRD organs. Strategies targeting specific educational points are likely to increase acceptability.
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) | 0,002 | 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 ».