Availability and Affordability of Kidney Health Laboratory Tests around the Globe
Notice bibliographique
Résumé
BACKGROUND: Kidney disease is a major global public health problem, and laboratory testing of kidney health measures is essential for diagnosis and monitoring. The availability and affordability of kidney health laboratory tests across countries has not been systematically described. METHODS: The International Society of Nephrology (ISN), in partnership with leaders of a Kidney Disease: Improving Global Outcomes (KDIGO) Controversies Conference, surveyed a representative subset of ISN-Global Kidney Health Atlas (ISN-GKHA) respondents from April to June 2020. We assessed the association between country gross national income (GNI) per capita and laboratory testing availability and affordability. RESULTS: Of 33 regional expert nephrologists invited, 24 (73%) responded, representing all 10 ISN regions around the world. Availability of kidney health laboratory tests was as follows: serum Cr (100%), serum cystatin C (67%), urine albumin (96%), urine Cr (100%), and dipstick urinalysis (100%). Median (IQR) reimbursement values in international dollars were as follows: serum Cr Int$ 6.61 (3.42-8.84), serum cystatin C Int$ 31.51 (17.36-46.25), urine albumin Int$ 10.22 (5.90-15.42), urine Cr Int$ 7.50 (1.66-8.84), and dipstick urinalysis Int$ 6.26 (2.56-8.40). Reimbursement values did not differ significantly by World Bank income group or by GNI per capita. CONCLUSION: There was widespread availability of kidney health laboratory tests and substantial variation in reimbursement values. To achieve meaningful progress across nations in mitigating the growth of kidney disease, access to affordable diagnostic technology is essential. Our results are highly relevant to policymakers and researchers as countries increasingly consider national strategies for kidney disease detection and management.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».