Development of a Survey to Identify Barriers to Living Donation in Kidney Transplant Candidates
Notice bibliographique
Résumé
Background Kidney transplantation from living donors, compared with deceased donors, has improved health care outcomes for patients with end-stage renal disease; however, less than 40% of transplants come from living donors. Numerous barriers may impede the identification of, and transplantation from, living donors. Objective To develop and validate a survey to identify barriers that transplant candidates may encounter when seeking a living donor for kidney transplantation. Methods The survey was developed in 3 phases: item identification by using persons with a stake in the process to identify key components; survey refinement, including assessment of content and face validity; and assessment of test-retest reliability by using the kappa coefficient and percent agreement for each of the scaled response items. Results The final survey contained 10 items with a Likert scale response and 5 open-ended questions. Expert nephrologists in the field confirmed face validity and content validity of the survey. The overall kappa coefficient for the scale was 0.76, reflecting excellent agreement, with an overall percent agreement of 88.7%. Conclusion We developed a survey to identify barriers that kidney transplant candidates may experience when seeking a living donor, which demonstrated content and face validity as well as reproducibility. This survey can by used by end-stage renal disease programs to identify barriers in candidates seeking a transplant. The results of the survey can be used to develop interventions to overcome such barriers with an ultimate goal of increasing rates of living kidney donation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».