Four steps to standardize reporting of peritoneal dialysis technique failure: A proposed approach
Notice bibliographique
Résumé
BACKGROUND: Technique failure is an important outcome measure in research and quality improvement in peritoneal dialysis (PD) programs, but there is a lack of consistency in how it is reported. METHODS: We used data collected about incident dialysis patients from 10 Canadian dialysis programs between 1 January 2004 and 31 December 2018. We identified four main steps that are required when calculating the risk of technique failure. We changed one variable at a time, and then all steps, simultaneously, to determine the impact on the observed risk of technique failure at 24 months. RESULTS: A total of 1448 patients received PD. Selecting different cohorts of PD patients changed the observed risk of technique failure at 24 months by 2%. More than one-third of patients who switched to hemodialysis returned to PD-90% returned within 180 days. The use of different time windows of observation for a return to PD resulted in risks of technique failure that differed by 16%. The way in which exit events were handled during the time window impacted the risk of technique failure by 4% and choice of statistical method changed results by 4%. Overall, the observed risk of technique failure at 24 months differed by 20%, simply by applying different approaches to the same data set. CONCLUSIONS: The approach to reporting technique failure has an important impact on the observed results. We present a robust and transparent methodology to track technique failure over time and to compare performance between programs.
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 | 0,401 | 0,482 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,009 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».