The case for increased peritoneal dialysis utilization in low‐ and <scp>lower‐middle‐income</scp> countries
Notice bibliographique
Résumé
Peritoneal dialysis (PD) has several advantages compared to haemodialysis (HD), but there is evidence showing underutilization globally, especially in low-income and lower-middle-income countries (LLMICs) where kidney replacement therapies (KRT) are often unavailable, inaccessible, and unaffordable. Only 11% of all dialysis patients worldwide use PD, more than 50% of whom live in China, the United States of America, Mexico, or Thailand. Various barriers to increased PD utilization have been reported worldwide including patient preference, low levels of education, and lower provider reimbursement. However, unique but surmountable barriers are applicable to LLMICs including the excessively high cost of providing PD (related to PD fluids in particular), excessive cost of treatment borne by patients (relative to HD), lack of adequate PD training opportunities for doctors and nurses, low workforce availability for kidney care, and challenges related to some PD outcomes (catheter-related infections, hospitalizations, mortality, etc.). This review discusses some known barriers to PD use in LLMICs and leverages data that show a global trend in reducing rates of PD-related infections, reducing rates of modality switches from HD, and improving patient survival in PD to discuss how PD use can be increased in LLMICs. We therefore, challenge the idea that low PD use in LLMICs is unavoidable due to these barriers and instead present opportunities to improve PD utilization in LLMICs.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».