Differences in Racial and Ethnic Disparities Between First and Repeat Kidney Transplantation
Notice bibliographique
Résumé
BACKGROUND: Recent data suggest patients with graft failure had better access to repeat kidney transplantation (re-KT) than transplant-naive dialysis accessing first KT. This was postulated to be because of better familiarity with the transplant process and healthcare system; whether this advantage is equitably distributed is not known. We compared the magnitude of racial/ethnic disparities in access to re-KT versus first KT. METHODS: Using United States Renal Data System, we identified 104 454 White, Black, and Hispanic patients with a history of graft failure from 1995 to 2018, and 2 357 753 transplant-naive dialysis patients. We used adjusted Cox regression to estimate disparities in access to first and re-KT and whether the magnitude of these disparities differed between first and re-KT using a Wald test. RESULTS: Black patients had inferior access to both waitlisting and receiving first KT and re-KT. However, the racial/ethnic disparities in waitlisting for (adjusted hazard ratio [aHR] = 0.77; 95% confidence interval [CI], 0.74-0.80) and receiving re-KT (aHR = 0.61; 95% CI, 0.58-0.64) was greater than the racial/ethnic disparities in first KT (waitlisting: aHR = 0.91; 95% CI, 0.90-0.93; Pinteraction = 0.001; KT: aHR = 0.68; 95% CI, 0.64-0.72; Pinteraction < 0.001). For Hispanic patients, ethnic disparities in waitlisting for re-KT (aHR = 0.83; 95% CI, 0.79-0.88) were greater than for first KT (aHR = 1.14; 95% CI, 1.11-1.16; Pinteraction < 0.001). However, the disparity in receiving re-KT (aHR = 0.76; 95% CI, 0.72-0.80) was similar to that for first KT (aHR = 0.73; 95% CI, 0.68-0.79; Pinteraction = 0.55). Inferences were similar when restricting the cohorts to the Kidney Allocation System era. CONCLUSIONS: Unlike White patients, Black and Hispanic patients with graft failure do not experience improved access to re-KT. This suggests that structural and systemic barriers likely persist for racialized patients accessing re-KT, and systemic changes are needed to achieve transplant equity.
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 | 0,000 | 0,001 |
| 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 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 ».