Patient and Provider Gender and Kidney Transplant Referral in Canada: A Survey of Canadian Healthcare Providers
Notice bibliographique
Résumé
BACKGROUND: Referral for kidney transplant (KT) is variable, with women often disadvantaged. This study aimed to better characterize Canadian transplant referral practices and identify potential differences by respondent and/or patient gender using surveys targeted at healthcare practitioners (HCPs) involved in KT. METHODS: Surveys consisting of 25 complex patient cases representing 7 themes were distributed to KT HCPs across Canada (March 3, 2022-April 27, 2022) using national nephrology/transplant society email registries. Respondents were asked whether they would refer the patient for transplant. Two identical surveys were created, differing only by gender/gender pronouns used in each case. Multivariable logistic regression was used to assess the association of respondent demographics and patient themes (including case gender) with the odds of transplant referral (overall and stratifying by respondent gender). RESULTS: Overall, the referral rate was 58.0% among 97 survey respondents (46.4% male). Case themes associated with a lower likelihood of referral included adherence concerns (adjusted odds ratio [aOR] 0.65; 95% confidence interval [CI], 0.45-0.94), medical complexity (aOR 0.57; 95% CI, 0.38-0.85), and perceived frailty (aOR 0.63; 95% CI, 0.47-0.84). Respondent gender was not associated with differences in KT referral (aOR 0.91; 95% CI, 0.65-1.26 for male versus female respondents) but modified the association of frailty (less referral for male than female respondents, P = 0.005) and medical complexity (less referral for female than male respondents, P = 0.009) with referral. There were no differences in referral rate by case gender ( P = 0.82). CONCLUSIONS: KT referral practices vary among Canadian HCPs. In this study, there were no differences in likelihood of transplant referral by candidate 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».