Motivators and Barriers to Living Donor Kidney Transplant as Perceived by Past and Potential Donors
Notice bibliographique
Résumé
Background: For patients with end-stage kidney disease, living donor kidney transplant is the treatment of choice due to improved patient outcomes, longer graft survival, and reduced expenses compared with other forms of renal replacement therapy. However, organ shortage remains a challenge, and living donation rates have stagnated in recent years, particularly among men. Objective: To understand the motivators and barriers for past and potential living kidney transplant donors and inform policy and practice changes that support donors in the future. Methods: Past and potential living donors in British Columbia, Canada in the preceding 2 years were surveyed. Motivators and barriers were examined in 5 categories: family pressures and domestic responsibilities, finances, the recovery process, complications, and the transplant evaluation process. Participants ranked statements in each category on a Likert-type scale. Results: A total of 138 responses were collected. In both women and men, policies that address family and domestic responsibilities and finances were most strongly identified as motivators to donate. A large proportion of women and men reported that guaranteed job security (47% women and 38% of men), paid time off (51% of women and 42% of men), reimbursement of lost wages (49% of women and 38% of men), and protections to guarantee no impact on future insurability (62% of women and 52% of men) were significant motivators to donate. Timely and efficient medical evaluation was considered to be an important motivator for donation, with 52% of men and 43% of women reporting support for a "fast-track" option for evaluation to allow for a more rapid evaluation process. Median barrier and motivator scores were similar between women and men. Conclusion: Policies to decrease financial burden, ensure job security, improve childcare support, and offer a fast-track medical evaluation may motivate potential living kidney donors, irrespective of gender.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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 ».