Structures for quality assurance and measurements for kidney replacement therapies: A multinational study from the <scp>ISN</scp>‐<scp>GKHA</scp>
Notice bibliographique
Résumé
AIM: Optimal care for patients with kidney failure reduces the risks of adverse health outcomes, including cardiovascular events and death. We evaluated data from the third iteration of the International Society of Nephrology Global Kidney Health Atlas (ISN-GKHA) to assess the capacity for quality service delivery for kidney failure care across countries and regions. METHOD: We explored the quality of kidney failure care delivery and the monitoring of quality indicators from data provided by an international survey of stakeholders from countries affiliated with the ISN from July to September 2022. RESULTS: One hundred and sixty seven countries participated in the survey, representing about 97.4% of the world's population. In countries where haemodialysis (HD) was available, 81% (n = 134) provided standard HD sessions (three times weekly for 3-4 h per session) to patients. Among countries with peritoneal dialysis (PD) services, 61% (n = 101) were able to provide standard PD care (3-4 exchanges per day). In high-income countries, 98% (n = 62) reported that >75% of centers regularly monitored dialysis water quality for bacteria compared to 28% (n = 5) of low-income countries (LICs). Capacity to monitor the administration of immunosuppression drugs was generally available in 21% (n = 4) of LICs, compared to 90% (n = 57) of high-income countries. There was significant variability between and within regions and country income groups in reporting the quality of services utilized for kidney replacement therapies. CONCLUSION: Quality assurance standards on diagnostic and treatment tools were variable and particularly infrequent in LICs. Standardization of delivered care is essential for improving outcomes for people with kidney failure.
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 | 0,002 |
| 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 ».