COVID-19 Pandemic Highlights Global Inequities in Chronic Hemodialysis Care: A DOPPS/ISN Survey
Notice bibliographique
Résumé
Background: Patients receiving chronic hemodialysis (HD) are highly vulnerable in all settings. It is unknown whether the COVID-19 pandemic has disproportionately affected the care of chronic HD patients in low (LIC) and low-middle income (LMIC) settings. This survey aimed to identify global challenges and inequities in HD care delivery during the COVID-19 pandemic. Methods: The Dialysis Outcomes and Practice Patterns Study (DOPPS) and the International Society of Nephrology (ISN) conducted a global online survey of HD units (HDU). Sample HDUs included DOPPS sites in China, a random sample stratified by region and HDU population, and an open invitation via ISN's membership list. The survey assessed availability of COVID-19 diagnostics and personal protective equipment, the impact of COVID-19 on HD delivery and patient outcomes from COVID-19. Responses were stratified by country income according to World Bank classification. Results: Responses were received from 412 HDUs across 78 countries (Table 1). Conclusions: Striking global inequities were identified in access to COVID-19 diagnostics, infection prevention, and access to routine HD care during the pandemic. Higher apparent mortality in patients on chronic HD in LICs and LMICs is likely multifactorial, reflecting poorer access to the diagnosis and care of COVID-19, as well as greater disruptions to HD delivery. Urgent action is required to address these inequities, which disproportionately affect low-income settings, exacerbate pre-existing vulnerabilities and lead to worse outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».