MétaCan
Menu
Retour à la cohorte
Enregistrement W3181072695 · doi:10.1136/bmjopen-2020-047245

Current status of health systems financing and oversight for end-stage kidney disease care: a cross-sectional global survey

2021· article· en· W3181072695 sur OpenAlexaff
Emily K. Yeung, Aminu K. Bello, Adeera Levin, Meaghan Lunney, Mohamed A. Osman, Feng Ye, Gloria Ashuntantang, Ezequiel Bellorín-Font, Mohammed Benghanem Gharbi, Sara N. Davison, Mohammad Ghnaimat, Paul Harden, Vivekanand Jha, Kamyar Kalantar‐Zadeh, Peter G. Kerr, Scott Klarenbach, Csaba P. Kövesdy, Valérie A. Luyckx, Brendon L. Neuen, Dónal O’Donoghue, Shahrzad Ossareh, Jeffrey Perl, Harun Ur Rashid, Éric Rondeau, Emily See, Syed Saad, Laura Solá, Irma Tchokhonelidze, Vladimı́r Tesař, Kriang Tungsanga, Rümeyza Kazancıoğlu, Angela Yee‐Moon Wang, Natasha Wiebe, Chih‐Wei Yang, Alexander Zemchenkov, Kitty J. Jager, Fergus Caskey, Vlado Perkovic, Kailash Jindal, Ikechi G. Okpechi, Marcello Tonelli, John Feehally, David C.H. Harris, David W. Johnson

Notice bibliographique

RevueBMJ Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of TorontoUniversity of British ColumbiaSt. Michael's HospitalUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineHealth carePublic healthKidney diseaseGlobal healthCross-sectional studyDeveloping countryEnvironmental healthFamily medicineEconomic growthNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The Global Kidney Health Atlas (GKHA) is a multinational, cross-sectional survey designed to assess the current capacity for kidney care across all world regions. The 2017 GKHA involved 125 countries and identified significant gaps in oversight, funding and infrastructure to support care for patients with kidney disease, especially in lower-middle-income countries. Here, we report results from the survey for the second iteration of the GKHA conducted in 2018, which included specific questions about health financing and oversight of end-stage kidney disease (ESKD) care worldwide. SETTING: A cross-sectional global survey. PARTICIPANTS: Key stakeholders from 182 countries were invited to participate. Of those, stakeholders from 160 countries participated and were included. PRIMARY OUTCOMES: Primary outcomes included cost of kidney replacement therapy (KRT), funding for dialysis and transplantation, funding for conservative kidney management, extent of universal health coverage, out-of-pocket costs for KRT, within-country variability in ESKD care delivery and oversight systems for ESKD care. Outcomes were determined from a combination of desk research and input from key stakeholders in participating countries. RESULTS: 160 countries (covering 98% of the world's population) responded to the survey. Economic factors were identified as the top barrier to optimal ESKD care in 99 countries (64%). Full public funding for KRT was more common than for conservative kidney management (43% vs 28%). Among countries that provided at least some public coverage for KRT, 75% covered all citizens. Within-country variation in ESKD care delivery was reported in 40% of countries. Oversight of ESKD care was present in all high-income countries but was absent in 13% of low-income, 3% of lower-middle-income, and 10% of upper-middle-income countries. CONCLUSION: Significant gaps and variability exist in the public funding and oversight of ESKD care in many countries, particularly for those in low-income and lower-middle-income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,441
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetDialysis and Renal Disease ManagementTravaux en français237 207