Supportive care in transplantation: A patient-centered care model to better support kidney transplant candidates and recipients
Notice bibliographique
Résumé
Kidney transplantation (KT), although the best treatment option for eligible patients, entails maintaining and adhering to a life-long treatment regimen of medications, lifestyle changes, self-care, and appointments. Many patients experience uncertain outcome trajectories increasing their vulnerability and symptom burden and generating complex care needs. Even when transplants are successful, for some patients the adjustment to life post-transplant can be challenging and psychological difficulties, economic challenges and social isolation have been reported. About 50% of patients lose their transplant within 10 years and must return to dialysis or pursue another transplant or conservative care. This paper documents the complicated journey patients undertake before and after KT and outlines some initiatives aimed at improving patient-centered care in transplantation. A more cohesive approach to care that borrows its philosophical approach from the established field of supportive oncology may improve patient experiences and outcomes. We propose the "supportive care in transplantation" care model to operationalize a patient-centered approach in transplantation. This model can build on other ongoing initiatives of other scholars and researchers and can help advance patient-centered care through the entire care continuum of kidney transplant recipients and candidates. Multi-dimensionality, multi-disciplinarity and evidence-based approaches are proposed as other key tenets of this care model. We conclude by proposing the potential advantages of this approach to patients and healthcare systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| 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 ».