MétaCan
Menu
Retour à la cohorte
Enregistrement W4296700499 · doi:10.1093/hsw/hlac027

Challenges of End-Stage Renal Disease Patients in Ethiopia

2022· article· en· W4296700499 sur OpenAlexaff
Rahel Atnafu, Andualem Hadero Selfako, Faye Mishna, Cheryl Regehr, Sophie Soklaridis, Messay Gebremariam Kotecho

Notice bibliographique

RevueHealth & Social Work · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésBiopsychosocial modelEnd stage renal diseaseMedicineSocioeconomic statusSocial supportDiseaseQualitative researchPsychologyPsychiatryGerontologyHemodialysisPsychotherapistSociologyPopulationEnvironmental healthSocial sciencePathology

Résumé

récupéré en direct d'OpenAlex

Affecting all aspects of patients' lives, end-stage renal disease (ESRD) presents significant challenges. Individuals with ESRD face biological, psychological, economic, and social issues. ESRD patients in Ethiopia bear multifaceted burdens of multiple medical conditions, including comorbid hypertension, diabetes, cardiac problems, anemia, gastrointestinal issues, and bone and mineral disorders. The aim of this study was to address the gap in research on patients in Ethiopia with ESRD and examine biopsychosocial and economic challenges. A qualitative hermeneutic phenomenology design was employed. In-depth interviews were held with 10 women and 10 men. Major themes include the physical corollary of ESRD (e.g., fatigue), and psychological (e.g., fear of loss of capacity and/or occupation) and socioeconomic challenges (e.g., difficulty obtaining social and economic support). Along with complications of ESRD and side effects of dialysis, patients face trauma and social and economic repercussions. Social workers are well positioned to help manage associated biopsychosocial and economic challenges. The findings indicate the need for policies that promote multidisciplinary teams in working with patients who are diagnosed with ESRD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0060,002
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,328
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth & Social WorkMême sujetDialysis and Renal Disease ManagementTravaux en français237 207