Predictors of Care Gaps in Home Dialysis: The Home Dialysis Virtual Ward Study
Notice bibliographique
Résumé
BACKGROUND: Home dialysis patients may be at an increased risk of adverse events after transitional states. The home dialysis virtual ward (HDVW) trial was conducted in Canadian dialysis centers and aimed to evaluate potential care gaps and patient satisfaction during the HDVW. METHODS: The HDVW was a multicenter single-arm trial including peritoneal dialysis and home hemodialysis patients after 4 different events (hospital discharge, medical procedure, antibiotics, completion of training). Telephone-led interviews using a standardized assessment tool were performed over a 2-week period to assess a patient's care and adjust treatment as required. Upon completion, patients were surveyed to evaluate their perceived impact on domains of care using a rating scale; 1 not satisfied to 10 completely satisfied. RESULTS: The HDVW trial included 193 patients with a median number of potential care gaps/interventions of 1 (0-2) per patient. Patients admitted to the HDVW after hospital discharge were at a higher risk of potential gaps in care (OR 2.16, 95% CI 1.29-3.62), while longer dialysis vintage was -associated with a lower number of gaps/interventions (OR 0.97 per year, 95% CI 0.95-0.98). A total of 105/193 (54%) patients completed satisfaction surveys. Patients were highly satisfied with the HDVW (median rating scale score 8, IQR 2) and felt it had a positive impact (rating scale score ≥7) on their overall health, understanding of treatment and access to a nephrologist. CONCLUSION: The HDVW was effective at identifying several potential care gaps, and patients were satisfied across several domains of care. This intervention may be valuable in supporting home dialysis patients during care transitions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».