Dialysis Patients’ Preferences on Resuscitation: A Cross-Sectional Study Design
Notice bibliographique
Résumé
Background: End-stage kidney disease is associated with a 10- to 100-fold increase in cardiovascular mortality compared with age-, sex-, and race-matched population. Cardiopulmonary resuscitation (CPR) in this cohort has poor outcomes and leads to increased functional morbidity. Objective: The aim of this study is to assess patients' preferences toward CPR and advance care planning (ACP). Design: cross-sectional study design. Setting: Two outpatient dialysis units. Patients: Adults undergoing dialysis for more than 3 months were included. Exclusion criteria were severe cognitive impairment or non-English-speaking patients. Measurements: A structured interview with the use of Willingness to Accept Life-Sustaining Treatment (WALT) tool. Methods: test were performed along with probability plot for testing hypotheses. Results: Seventy participants were included in this analysis representing a 62.5% response rate. There was a clear association between treatment burden, anticipated clinical outcome, and the likelihood of that outcome with patient preferences. Low-burden treatment with expected return to baseline was associated with 98.5% willingness to accept treatment, whereas high-burden treatment with expected return to baseline was associated with 94.2% willingness. When the outcome was severe functional or cognitive impairment, then 45.7% and 28.5% would accept low-burden treatment, respectively. The response changed based on the likelihood of the outcome. In terms of resuscitation, more than 75% of the participants would be in favor of receiving CPR and mechanical ventilation at their current health state. Over 94% of patients stated they had never discussed ACP, whereas 59.4% expressed their wish to discuss this with their primary nephrologist. Limitations: Limited generalizability due to lack of diversity. Unclear decision stability due to changes in health status and patients' priorities. Conclusions: ACP should be incorporated in managing chronic kidney disease (CKD) to improve communication and encourage patient involvement.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».