Evaluation of Virtual Care in Kidney Transplant Recipients in the Early Posttransplant Period
Notice bibliographique
Résumé
ABSTRACT Background Though virtual care was widely adopted during the COVID‐19 pandemic, evidence to support its use in kidney transplant recipients early after transplantation is limited. Methods We conducted a retrospective cohort study comparing post kidney transplant outcomes in patients who received in‐person transplant care before the COVID‐19 pandemic with those who received mainly virtual transplant care during the COVID‐19 pandemic. The usual‐care group included 69 patients who received a kidney transplant from March 1, 2019 to September 1, 2019, and the virtual‐care group included 64 patients who received a kidney transplant from September 1, 2020 to March 1, 2021. Results At 6 months, five patients in the usual‐care group and three patients in the virtual‐care group died. There was one graft loss and one episode of acute rejection in the usual‐care group, and two episodes of acute rejection in the virtual‐care group ( p = 0.60). Estimated glomerular filtration rate was higher for patients in the virtual‐care group (59 mL/min/1.73 m 2 vs. 52 mL/min/1.73 m 2 , p = 0.046) and serum creatinine was not different (138 µmol/L vs. 127 µmol/L, p = 0.27). There was no difference in mean blood pressure or hospitalizations. Conclusion Outcomes were similar among recipients of a kidney transplant prior to the COVID‐19 pandemic when care was mainly in person and during the pandemic when care was mainly virtual, without a signal of harm. Patient and donor selection may have led to unmeasured differences between groups.
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 | 0,002 | 0,000 |
| 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) | 0,000 | 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 ».