Catheter Event Rates in Medical Compared to Surgical Peritoneal Dialysis Catheter Insertion
Notice bibliographique
Résumé
Introduction: How patient, center, and insertion technique factors interact needs to be understood when designing peritoneal dialysis (PD) catheter insertion pathways. Methods: We undertook a prospective cohort study in 44 UK centers enrolling participants planned for first catheter insertion. Sequences of regressions were used to describe the associations linking patient and dialysis unit-level characteristics with catheter insertion technique and their impact on the occurrence of catheter-related events in the first year (catheter-related infection, hospitalization, and removal). Factors associated with catheter events were incorporated into a multistate model comparing the rates of catheter events between medical and surgical insertion alongside treatment modality transitions and mortality. Results: Of 784 first catheter insertions, 466 (59%) had a catheter event in the first year and 61.2% of transitions onto hemodialysis (HD) were immediately preceded by a catheter event. Catheter malfunction was less but infection was more common with surgical compared with medical insertions. Participants at centers with fewer late presenters and more new dialysis patients starting PD, had a lower probability of a catheter event. Adjusting for these factors, the hazard ratio for a catheter event following insertion (medical vs. surgical) was 0.70 (95% confidence interval [CI] 0.43 to 1.13), and once established on PD 0.77 (0.62 to 0.96). Conclusion: Offering both medical and surgical techniques is associated with lower catheter event rates and keeps people on PD for longer.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».