Exploring Potential Gender-Based Disparities in Referral for Transplant, Activation on the Waitlist and Kidney Transplantation in a Canadian Cohort
Notice bibliographique
Résumé
Introduction: In the United States, women are less likely to be referred, activated on the waitlist, or undergo kidney transplant (KT) than men; contemporary Canadian data regarding access to transplant for women are lacking. Methods: Among patients initiating dialysis in Nova Scotia (NS), Canada from 2010 to 2020, we examined the association of candidate gender with overall access to KT, including the following: (i) odds of transplant referral within 1 year of dialysis initiation, (ii) odds of activation on the transplant waitlist (if referred), and (iii) time-to-transplantation (if activated) using logistic regression or Cox proportional hazards models as appropriate. Results: Among 749 patients deemed potentially eligible for transplant, women had lower transplant rates than men (adjusted hazard ratio [aHR]: 0.53, 95% confidence interval [CI]: 0.36-0.78); this was amplified among patients aged >60 years (aHR: 0.25, 95% CI: 0.09-0.69). Compared with men, women had a lower adjusted odds of transplant referral (adjusted odds ratio [aOR]: 0.57, 95% CI: 0.35-0.93) by 1 year after dialysis initiation. Among those referred, women had lower odds of waitlist activation than men (aOR: 0.58, 95% CI: 0.30-1.11); and among those activated, women had lower hazard of KT (aHR: 0.74, 95% CI: 0.51-1.09), though these differences were not statistically significant. Women in NS experience lower overall access to transplant, including less referral, activation and KT compared with men. Conclusion: Gender-based barriers to any of (or in this case each of) referral, activation, or transplantation result in inequities in access; identification of disparities at these critical decision points is an important first step toward ensuring equal access for all.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 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) | 0,003 | 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 ».