Implementation of Strategies for Prevention and Control of SARS-CoV-2 Infection at Dialysis Units in Latin America: Analysis from GlomCon Latin America Working Group (LGlomCon)
Notice bibliographique
Résumé
Background: Patients on dialysis belong to the high-risk group to develop severe COVID-19 infection due to their multiple comorbidities. International societies have issued recommendations for the control and prevention of SARS-CoV-2 infection at dialysis units but implementing them may not always be feasible as many healthcare systems in Latin America (LA) have limited resources. This study aims to reflect the experience of nephrologists in LA at taking care of these patients and if the recommendations were adopted in their practices. Methods: Descriptive analysis extracted from an online survey carried out among nephrologists, renal pathologists and other health workers treating kidney diseases between May 20-27, 2020 from sixteen Spanish speaking LA countries divided into 6 categories. We present the results for the ESRD category. Results: 430 responses were obtained, 360 were considered for analysis. 276 (86.5%) of the participants were nephrologists and 178 (64%) of them practiced in dialysis units. 163 (92.6%) already implemented strategies to control and prevent COVID-19 in their units. 125 (71%) received training on it and 128 (72.7%) reported personal protective equipment availability. The most common implemented strategies were: education sessions about COVID-19 for patients and caregivers (68.5%), designated isolation areas (77.8%) or shifts (68.75%) for patients with suspected or confirmed COVID-19 and a 7-feet separation between hemodialysis (HD) machines (61.9%). 49 (28%) of the nephrologists reported an outbreak among patients and 60 (34.2%) among medical staff. Patient absenteeism to their HD sessions due to fear of infection, a decrease in the frequency and a shortening of the time of the sessions was reported in 41.7%, 30.2% and 36%, respectively. 29 (16.5%) of the respondents considered that those practices were associated with patient mortality. Conclusions: Most dialysis units in LA are partially implementing the recommended strategies for control and prevention of COVID-19 but this seems to be insufficient since at least one third of them already faced outbreaks among patients and medical staff.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».