Reducing donor acceptance practice variation – Learnings from a discussion forum
Notice bibliographique
Résumé
PURPOSE: Although waitlist mortality is unacceptably high, nearly half of donor heart offers are rejected by pediatric heart transplant centers. The Advanced Cardiac Therapy Improving Outcome Network (ACTION) and Pediatric Heart Transplant Society (PHTS) convened a multi-institutional donor decision discussion forum (DDDF) aimed at assessing donor acceptance practices and reducing practice variation. METHODS: A 1-h-long virtual DDDF for providers across North America, the United Kingdom, and Brazil was held monthly. Each session typically included two case presentations posing a real-world donor decision challenge. Attendees were polled before the presenting center's decision was revealed. Group discussion followed, including a review of relevant literature and PHTS data. Metrics of participation, participant agreement with presenting center decisions, and impact on future decision-making were collected and analyzed. RESULTS: Over 2 years, 41 cases were discussed. Approximately 50 clinicians attended each call. Risk factors influencing decision-making included donor quality (10), size discrepancy (8), and COVID-19 (8). Donor characteristics influenced 63% of decisions, recipient factors 35%. Participants agreed with the decision made by the presenting center only 49% of the time. Post-presentation discussion resulted in 25% of participants changing their original decision. Survey conducted reported that 50% respondents changed their donor acceptance practices. CONCLUSION: DDDF identified significant variation in pediatric donor decision-making among centers. DDDF may be an effective format to reduce practice variation, provide education to decision-makers, and ultimately increase donor utilization.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».