Effect of patient- and center-level characteristics on uptake of home dialysis in Australia and New Zealand: a multicenter registry analysis
Notice bibliographique
Résumé
BACKGROUND: Home-based dialysis therapies, home hemodialysis (HHD) and peritoneal dialysis (PD) are underutilized in many countries and significant variation in the uptake of home dialysis exists across dialysis centers. This study aimed to evaluate the patient- and center-level characteristics associated with uptake of home dialysis. METHODS: The Australia and New Zealand Dialysis and Transplant (ANZDATA) Registry was used to include incident dialysis patients in Australia and New Zealand from 1997 to 2017. Uptake of home dialysis was defined as any HHD or PD treatment reported to ANZDATA within 6 months of dialysis initiation. Characteristics associated with home dialysis uptake were evaluated using mixed effects logistic regression models with patient- and center-level covariates, era as a fixed effect and dialysis center as a random effect. RESULTS: Overall, 54 773 patients were included. Uptake of home-based dialysis was reported in 24 399 (45%) patients but varied between 0 and 87% across the 76 centers. Patient-level factors associated with lower uptake included male sex, ethnicity (particularly indigenous peoples), older age, presence of comorbidities, late referral to a nephrology service, remote residence and obesity. Center-level predictors of lower uptake included small center size, smaller proportion of patients with permanent access at dialysis initiation and lower weekly facility hemodialysis hours. The variation in odds of home dialysis uptake across centers increased by 3% after adjusting for the era and patient-level characteristics but decreased by 24% after adjusting for center-level characteristics. CONCLUSION: Center-specific factors are associated with the variation in uptake of home dialysis across centers in Australia and 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 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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».