Dialysis Outcomes Across Countries and Regions: A Global Perspective From the International Society of Nephrology Global Kidney Health Atlas Study
Notice bibliographique
Résumé
Introduction: Kidney failure treated with hemodialysis (HD), or peritoneal dialysis (PD) is a major global health problem that is associated with increased risks of death and hospitalization. This study aimed to compare the incidence and causes of death and hospitalization during the first year of HD or PD among countries. Methods: The third iteration of the International Society of Nephrology Global Kidney Health Atlas (ISN-GKHA) was conducted between June and September 2022. For this analysis, data were obtained from the cross-sectional survey of key stakeholders from ISN-affiliated countries. Results: A total of 167 countries participated in the survey (response rate 87.4%). In 48% and 58% of countries, 1% to 10% of people treated with HD and PD died within the first year, respectively, with cardiovascular disease being the main cause. Access-related infections or treatment withdrawal owing to cost were important causes of death in low-income countries (LICs). In most countries, <30% and <20% of patients with HD and PD, respectively, required hospitalization during the first year. A greater proportion of patients with HD and PD in LICs were hospitalized in the first year than those in high-income countries (HICs). Access-related infection and cardiovascular disease were the commonest causes of hospitalization among patients with HD, whereas PD-related infection was the commonest cause in patients with PD. Conclusion: There is significant heterogeneity in the incidence and causes of death and hospitalization in patients with kidney failure treated with dialysis. These findings highlight opportunities to improve care, especially in LICs where infectious and social factors are strong contributors to adverse 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».