MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313495063 · doi:10.2196/preprints.44172

Health System–Level Barriers to Living Donor Kidney Transplantation: Protocol for a Comparative Case Study Analysis (Preprint)

2022· preprint· en· W4313495063 sur OpenAlexaboutno aff
Anna Horton, Katya Loban, Peter Nugus, Marie‐Chantal Fortin, Lakshman Gunaratnam, Greg Knoll, István Mucsi, Prosanto Chaudhury, David Landsberg, M Pâquet, Marcelo Cantarovich, Shaifali Sandal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPsychological interventionPreprintMedicineQualitative researchPolitical sciencePsychologyBusinessComputer scienceSociologyNursingSocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Living donor kidney transplantation (LDKT) is the best treatment option for patients with kidney failure and offers significant medical and economic advantages for both patients and health systems. Despite this, rates of LDKT in Canada have stagnated and vary significantly across Canadian provinces, the reasons for which are not well understood. Our prior work has suggested that system-level factors may be contributing to these differences. Identifying these factors can help inform system-level interventions to increase LDKT. OBJECTIVE Our objective is to generate a systemic interpretation of LDKT delivery across provincial health systems with variable performance. We aim to identify the attributes and processes that facilitate the delivery of LDKT to patients, and those that create barriers and compare these across systems with variable performance. These objectives are contextualized within our broader goal of increasing rates of LDKT in Canada, particularly in lower-performing provinces. METHODS This research takes the form of a qualitative comparative case study analysis of 3 provincial health systems in Canada that have high, moderate, and low rates of LDKT performance (the percentage of LDKT to all kidney transplantations performed). Our approach is underpinned by an understanding of health systems as complex adaptive systems that are multilevel and interconnected, and involve nonlinear interactions between people and organizations, operating within a loosely bounded network. Data collection will comprise semistructured interviews, document reviews, and focus groups. Individual case studies will be conducted and analyzed using inductive thematic analysis. Following this, our comparative analysis will operationalize resource-based theory to compare case study data and generate explanations for our research question. RESULTS This project was funded from 2020 to 2023. Individual case studies were carried out between November 2020 and August 2022. The comparative case analysis will begin in December 2022 and is expected to conclude in April 2023. Submission of the publication is projected for June 2023. CONCLUSIONS By investigating health systems as complex adaptive systems and making comparisons across provinces, this study will identify how health systems can improve the delivery of LDKT to patients with kidney failure. Our resource-based theory framework will provide a granular analysis of the attributes and processes that facilitate or create barriers to LDKT delivery across multiple organizations and levels of practice. Our findings will have practice and policy implications and help inform transferrable competencies and system-level interventions conducive to increasing LDKT. INTERNATIONAL REGISTERED REPORT DERR1-10.2196/44172

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)0,084
score de la tête « metaresearch » (Gemma)0,103
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: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,490

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0840,103
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0070,008
Études des sciences et des technologies0,0080,004
Communication savante0,0060,005
Science ouverte0,0050,004
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,1470,017

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 Opus0,095
Tête enseignante GPT0,419
Écart entre enseignants0,324 · 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
GenreProtocole

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOrgan Donation and Transplantation→Travaux en français237 207→