MétaCan
Menu
Retour à la cohorte
Enregistrement W4402297877 · doi:10.1016/j.xkme.2024.100898

Dialysis Modality Education Timing and Home Dialysis Uptake: A Quality Improvement Study

2024· article· en· W4402297877 sur OpenAlexafffundabout
Desheng Lu, M Akhtar, Lisa Dubrofsky, Bourne L. Auguste

Notice bibliographique

RevueKidney Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreWomen's College HospitalUniversity of Toronto
Organismes subventionnairesTemerty Faculty of Medicine, University of Toronto
Mots-clésHome dialysisDialysisModality (human–computer interaction)MedicineQuality (philosophy)Intensive care medicineInternal medicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Rationale & Objective Investigating the effect of a quality improvement intervention aimed at enhancing the choice of home dialysis among patients through improved educational sessions on dialysis modalities. Study Design A new referral protocol initiated on September 15, 2022, sought to direct patients with advanced kidney disease to modality education sessions. This protocol involved an updated referral form and process, requiring nephrologists to refer patients with an estimated glomerular filtration rate below 15mL/min/1.73m 2 or specified Kidney Failure Risk Equation scores to modality educators for education. The impact was measured by the uptake of the education and the choice of home dialysis by patients. Setting & Participants The study took place at Sunnybrook Health Sciences Centre in Toronto, Canada, involving 532 patients across 1,723 clinical encounters from October 2019 to June 2023. Predictor The intervention was predicted to lead to an increase in both the number of patients receiving modality education and those choosing home dialysis. Outcomes The primary outcome measured was the selection of home dialysis following modality education, with a secondary focus on the proportion of patients educated post intervention. Analytical Approach Statistical process charts were used for monitoring changes in education uptake and home dialysis selection rates following the intervention. Results After implementing the standardized referral system, the proportion of patients receiving modality education increased from 27.1%-56.7%. However, the rate of selecting home dialysis remained constant at 50.9%. Overall home dialysis prevalence at our center averaged 19.6%, remaining lower than the provincial average of 24.4% by the end of the study period. Limitations The study was limited to 1 center, without evaluating patient satisfaction or dissecting the complexity of educational content and delivery. Conclusions We succeeded in boosting education rates but failed to achieve higher home dialysis choice rates, possibly owing to the complexity involved in modality choices. We plan to further investigate the factors influencing patient choices during modality education to better promote home dialysis selection. Plain-Language Summary The study focused on whether teaching patients more about their dialysis options would encourage them to choose home dialysis. A new system was introduced at an academic hospital in Toronto, requiring doctors to refer patients with advanced kidney disease to educational sessions. The aim was to see if patients who learned more about dialysis would be more likely to manage their treatment at home. The result was more patients received these educational sessions, but this did not lead to more of them choosing home dialysis. Future research must investigate what other factors influence patients' decisions to consider dialysis treatments at home.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,352
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueKidney MedicineMême sujetDialysis and Renal Disease ManagementTravaux en français237 207