Canadian transplant nephrologists’ perspectives on the decision‐making process for accepting or refusing a kidney from a deceased organ donor
Notice bibliographique
Résumé
BACKGROUND: Kidney transplantation is the best treatment for patients with end-stage renal disease. The decision to accept a kidney from a deceased donor can be a difficult one, especially when organs from high KDPI (>85%) donors are offered. This study aims to capture the perspectives of transplant nephrologists (TNs) on the decision-making process when an organ is offered. METHODS: Fifteen Canadian TNs took part in semi-structured interviews between December 2017 and April 2018. The interviews were digitally recorded, transcribed, and analyzed using the thematic analysis method. RESULTS: The decision to accept a deceased-donor kidney offer is a medical one for the participants. However, transplant candidates could be involved when the offered kidney is from a donor with a KDPI >85% or increased infectious risk donor. The TNs' past experience, comprehensive data on the donor, and education of the transplant candidate could facilitate the decision-making process. A decision aid could also facilitate the decision-making process, but different concerns should be addressed. CONCLUSION: Although accepting a deceased-donor organ offer is often viewed as an opportunity for shared decision-making, participants in this study viewed the decision to accept or refuse an offer as a medical decision with little room for patient participation.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,025 | 0,008 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».