Variation in Peritoneal Dialysis Time on Therapy by Country
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Quantifying contemporary peritoneal dialysis time on therapy is important for patients and providers. We describe time on peritoneal dialysis in the context of outcomes of hemodialysis transfer, death, and kidney transplantation on the basis of the multinational, observational Peritoneal Dialysis Outcomes and Practice Patterns Study (PDOPPS) from 2014 to 2017. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Among 218 randomly selected peritoneal dialysis facilities (7121 patients) in the PDOPPS from Australia/New Zealand, Canada, Japan, Thailand, the United Kingdom, and the United States, we calculated the cumulative incidence from peritoneal dialysis start to hemodialysis transfer, death, or kidney transplantation over 5 years and adjusted hazard ratios for patient and facility factors associated with death and hemodialysis transfer. RESULTS: Median time on peritoneal dialysis ranged from 1.7 (interquartile range, 0.8-2.9; the United Kingdom) to 3.2 (interquartile range, 1.5-6.0; Japan) years and was longer with lower kidney transplantation rates (range: 32% [the United Kingdom] to 2% [Japan and Thailand] over 3 years). Adjusted hemodialysis transfer risk was lowest in Thailand, but death risk was higher in Thailand and the United States compared with most countries. Infection was the leading cause of hemodialysis transfer, with higher hemodialysis transfer risks seen in patients having psychiatric disorder history or elevated body mass index. The proportion of patients with total weekly Kt/V ≥1.7 at a facility was not associated with death or hemodialysis transfer. CONCLUSIONS: Countries in the PDOPPS with higher rates of kidney transplantation tended to have shorter median times on peritoneal dialysis. Identification of infection as a leading cause of hemodialysis transfer and patient and facility factors associated with the risk of hemodialysis transfer can facilitate interventions to reduce these events. PODCAST: This article contains a podcast at https://www.asn-online.org/media/podcast/CJASN/2022_05_31_CJN16341221.mp3.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».