Defining the Living Donor Transplant Evaluation Process for Optimization of a One-Day Evaluation Program
Notice bibliographique
Résumé
Background: Living donor transplantation provides patients with end stage kidney disease increased longevity and quality of life compared with dialysis. The donor evaluation process can be inefficient and costly for patients and the healthcare system. There is a paucity of research on evaluation optimization in living kidney transplantation. We investigated our living donor evaluation process to develop a one-day program, improving program efficiency. Methods: Living donor staff and patient partner from The Ottawa Hospital Living Kidney Donor program participated in individual, semi-structured interviews to develop a Lucidchart process map of the donor evaluation process and ascertain the time associated with each step. A one-day evaluation program model was developed based on our process map and interview participant feedback. Amount of time for each step of the process was collected for future cost assessment. Results: Mean time to complete the evaluation process and reach donor approval is 9 months. The donor evaluation process can be divided into 3 phases: Initial Interview, Phase I, and Phase II. Phase I requires the most nursing and administrative time. The greatest barriers to process efficiency are 24-hour urine collections to estimate kidney function and coordinator time spent on correspondence with laboratories. A one-day evaluation will reduce the evaluation process and approval to approximately 4 weeks. Greatest barriers for patients included need for increased education and time off work. Next steps will include cost estimates of the current program with the goal of implementing a one-day evaluation program at The Ottawa Hospital. Conclusions: A one-day evaluation program will increase the efficiency of the living donor process for donors, coordinators, and recipients. Phase I investigations are a barrier to program efficiency and can be streamlined with a one-day evaluation. The development of donor educational resources will improve the donation experience for patients.
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 | 0,072 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».