The Impact of Socioeconomic Factors on Kidney Transplantation: A Systematic Review of Low- and Middle-Income Countries
Notice bibliographique
Résumé
Kidney transplantation (KT) is a preferred treatment for end-stage renal disease (ESRD) because it offers better long-term survival and cost-effectiveness compared to dialysis. Significant global disparities persist in access to KT, particularly in low- and middle-income countries (LMICs). This study aims to assess the epidemiology and outcomes of KT in LMICs while examining the relationship between a country’s income level and its KT prevalence. A systematic review of the literature was conducted, with searches of PubMed, Scopus, and Web of Science from inception to 31 May 2024. Relevant articles reporting on the epidemiology and outcomes of KT or ESRD patients undergoing kidney replacement therapy (KRT) in LMICs were included. A total of 8054 articles were identified, with 972 articles selected for full-text screening after initial title and abstract review. Following full-text screening, 35 articles met the inclusion criteria. The data showed significant variation in KRT and KT prevalence across different geographical locations. Higher-income countries within LMICs tended to have higher KT prevalence rates. Barriers such as inadequate healthcare infrastructure, limited financial resources, and insufficient organ donation frameworks were identified as contributing factors to the low KT rates in these regions. The study highlights the disparities in KT access and prevalence in LMICs, underscoring the need for targeted interventions and international collaboration to address these gaps. Efforts to increase both living and deceased donor transplants, expand health system capacity, and incorporate KT in healthcare planning are needed to close this gap. Global partnerships spearheaded by organizations such as The Transplantation Society (TTS) and the International Society of Nephrology (ISN) are crucial for improving KT rates and outcomes in LMICs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».