Low Rates of Preemptive Kidney Transplantation: A Root Cause Analysis to Identify Opportunities for Improvement
Notice bibliographique
Résumé
BACKGROUND: Kidney transplantation success can help improve the quality of life substantially and alleviate much of the physical, social and psychological stress that comes with dialysis lifestyle. Preemptive kidney transplantation has been established to be superior with more success rates than other means of transplantation types. However, low rates of this method need more attention to address the reason and tackle the root causes affecting low preemptive kidney transplantation. METHODS: This study was undertaken at a tertiary care academic hospital. We conducted a retrospective chart review of 50 living donor kidney transplants (recipient and donor charts) between January 1, 2017 and September 30, 2018 and performed a root cause analysis on the module. A three-step algorithm was developed to divide the root cause of all preemptive kidney transplantation. RESULTS: Out of 50 patients included, only 11 (22%) achieved a successful preemptive kidney transplantation. Furthermore, an estimated glomerular filtration rate (eGFR) of 15 - 20 was a significant factor in achieving preemptive kidney transplantation (P = 0.042). Meanwhile, 22 recipients started dialysis before transplant and was a major cause of not achieving the preemptive transplantation despite them achieving the status. Moreover, the most common recipient root cause was incidental medical issues in 10 cases (20%) while in donor factors, the most common root cause was the delay in evaluating multiple donors to achieve the preemptive status (20%). CONCLUSION: Even though preemptive kidney transplantation is superior when compared to other modalities, achieving such a milestone is still considered very challenging. An eGFR of 15 - 20 was a significant factor in achieving preemptive kidney transplantation, while pre-transplant dialysis was a major cause of not achieving it. Further large-scale studies are needed to identify new factors as well as validate our findings.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».