Low renal transplantation rates in children with end‐stage kidney disease: A study of barriers in a low‐resource setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
After 2 decades as a low-cost transplant centre in India, our rates of kidney transplantation are low compared to the burden of end-stage kidney disease (ESKD). We performed this study to identify possible barriers inhibiting paediatric kidney transplant and to assess the outcomes of paediatric ESKD. A retrospective chart review of ESKD patients (2013 - 2018) at a tertiary paediatric nephrology centre was conducted. Medical/non-medical barriers to transplant were noted. Patient outcomes were classified as "continued treatment," "lost to follow-up (LTFU)" or "died." Of 155 ESKD patients (monthly income 218 USD [146, 365], 94% self-pay), only 30 (19%) were transplanted (28 living donor). Sixty-five (42%) were LTFU, 19 (12%) died, and 71 (46%) continued treatment. LTFU/death was associated with greater travel distance (300 km [60, 400] vs 110 km [20, 250] km, P < .0001) and lower monthly income (145 USD [101, 290] vs 290 USD [159, 681], P < .0001). Among those who continued treatment, 41 proceeded to transplant evaluation of whom 13 had no living donor and remained waitlisted for 27 months (15, 30). The remainder (n = 30) did not proceed to transplant due to unresolved medical issues (n = 10) or a lack of parental interest in pursuing transplant (n = 20). Barriers to transplantation in low-resource setting begin in ESKD. LTFU resulted in withdrawal of care and was associated with low socioeconomic status. Among those who continued treatment, transplant rates were higher but medical challenges and negative attitudes towards transplant and organ donation occurred.
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.
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 découle