The Global Impact of the COVID-19 Pandemic on In-Center Hemodialysis Services: An ISN-Dialysis Outcomes Practice Patterns Study Survey
Notice bibliographique
Résumé
INTRODUCTION: To assess the impact of the COVID-19 pandemic impact on hemodialysis (HD) centers, The Dialysis Outcomes and Practice Patterns Study and ISN collaborated on a web-survey of centers. METHODS: A combined approach of random sampling and open invitation was used between March 2020 and March 2021. Responses were obtained from 412 centers in 78 countries and all 10 ISN regions. RESULTS: In 8 regions, rates of SARS-CoV-2 infection were <20% in most centers, but in North East Asia (NE Asia) and Newly Independent States and Russia (NIS & Russia), rates were ≥20% and ≥30%, respectively. Mortality was ≥10% in most centers in 8 regions, although lower in North America and Caribbean (N America & Caribbean) and NE Asia. Diagnostic testing was not available in 33%, 37%, and 61% of centers in Latin America, Africa, and East and Central Europe, respectively. Surgical masks were widely available, but severe shortages of particulate-air filter masks were reported in Latin America (18%) and Africa (30%). Rates of infection in staff ranged from 0% in 90% of centers in NE Asia to ≥50% in 63% of centers in the Middle East and 68% of centers in NIS & Russia. In most centers, <10% of staff died, but in Africa and South Asia (S Asia), 2% and 6% of centers reported ≥50% mortality, respectively. CONCLUSION: There has been wide global variation in SARS-CoV-2 infection rates among HD patients and staff, personal protective equipment (PPE) availability, and testing, and the ways in which services have been redesigned in response to the pandemic.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».