Living donor financial assistance programs in liver transplantation: The global perspective
Notice bibliographique
Résumé
Living donor liver transplantation (LDLT) has increased availability of liver transplantation, particularly in countries with limited access to deceased organ donors. It is unclear how individual countries address the financial impact of donation for potential living donors. Herein, living liver donor financial supports were examined, focusing on countries performing ≥10 LDLT per year in the World Health Organization Transplant Observatory. Categories included health insurance coverage, reimbursement of lost wages, employment protection, and other incentives designed to promote living liver donation. Overall, 26 countries have some form of asssistance in removing disincentives to ease the financial burden of living donation, ranging from childcare, accommodations, meals, and travel reimbursement, to coverage of medical complications post-donation. Most countries provide donation-related medical coverage. Fourteen provide reimbursement of lost wages and/or paid time off. Several unique programs were designed to incentivize living donation, including free entry to museums and observatories, parking and airline discounts, and exemptions on mortgages and medical deductibles. This study highlights the broad range of programs designed to support living liver donation in high-volume LDLT countries. The data collected in this study can provide a framework for other nations to propose and implement ethical reimbursement and incentivization for living liver donors.
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 | 0,001 |
| 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 ».