Employment of patients with kidney failure treated with dialysis or kidney transplantation—a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Patients with kidney failure treated with dialysis or kidney transplantation experience difficulties maintaining employment due to the condition itself and the treatment. We aimed to establish the rate of employment before and after initiation of dialysis and kidney transplantation and to identify predictors of employment during dialysis and posttransplant. Methods This systematic review and meta-analysis were carried out according to the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines for studies that included employment rate in adults receiving dialysis or a kidney transplant. The literature search included cross-sectional or cohort studies published in English between January 1966 and August 2020 in the PubMed, Embase, and Cochrane Library databases. Data on employment rate, study population, age, gender, educational level, dialysis duration, kidney donor, ethnicity, dialysis modality, waiting time for transplantation, diabetes, and depression were extracted. Quality assessment was performed using the Newcastle–Ottawa Scale. Meta-analysis for predictors for employment, with odds ratios and confidence intervals, and tests for heterogeneity, using chi-square and I2 statistics, were calculated. PROSPERO registration number: CRD42020188853. Results Thirty-three studies included 162,059 participants receiving dialysis, and 31 studies included 137,742 participants who received kidney transplantation. Dialysis patients were on average 52.6 years old (range: 16–79; 60.3% male), and kidney transplant patients were 46.7 years old (range: 18–78; 59.8% male). The employment rate (weighted mean) for dialysis patients was 26.3% (range: 10.5–59.7%); the employment rate was 36.9% pretransplant (range: 25–86%) and 38.2% posttransplant (range: 14.2–85%). Predictors for employment during dialysis and posttransplant were male, gender, age, being without diabetes, peritoneal dialysis, and higher educational level, and predictors of posttransplant: pretransplant employment included transplantation with a living donor kidney, and being without depression. Conclusions Patients with kidney failure had a low employment rate during dialysis and pre- and posttransplant. Kidney failure patients should be supported through a combination of clinical and social measures to ensure that they remain working.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,033 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».