More than 16,000 Transplant Recipients and Previous Living Donors at Risk for Poor Access to Reproductive Health Care
Notice bibliographique
Résumé
Background: It is imperative that kidney transplant recipients (KTR) and living kidney donors (LKD) have access to reproductive health care. Since the overturning of Roe v Wade in 2022, 14 states have banned abortion in all or almost all circumstances and 7 states have significantly restricted access (between 6-18 weeks). It is unknown how many KTR and LKD are affected by these policies. Methods: We characterized the demographics of female KTR and LKD 18-45 years old in the United States as of May 1, 2024 from the OPTN dataset. Because policies are frequently changing, patients were stratified into 3 categories based on their home state policy for abortion as of May 1, 2024. P-values are calculated from Wilcoxon rank sum tests for continuous variables and Fisher's exact tests for categorical variables. Results: Overall 9,001/21,673 KTR (41%) and 7,476/18,988 LKD (39%) live in states with either a total or partial restriction on abortion. KTR who live in areas with less access to reproductive care were also more likely to have additional risk factors for pregnancy complication including Black race, high BMI, and diabetes as a cause of kidney failure and were less likely to have received a living donor transplant (Table 1). Conclusion: A significant proportion of KTR and LKD live in areas with decreased access to reproductive health care. Medical comorbidities and demographic risk factors can exacerbate the pre-existing pregnancy risk. These findings quantify the magnitude of the health challenge created by recent changes in state policies and may be useful in planning for alternative strategies and advocacy efforts to ensure KTR and past LKD receive access to essential reproductive health care. Demographics of Female KTR by abortion access in home state - Abortion Banned (1)n=5,333 (24.6%) Limited Abortion Access (2)n=3,688 (17%) Legal Access to Abortionn=12,652 (58.4%) p-value Recipient Current Age Mean (SD) 36.4 (30.5 - 41.3) 36.8 (30.7 - 41.4) 36.6 (30.9 - 41.3) 0.31 Recipient Race n (%) Black 1,683 (31.6%)White 1,980 (37.1%)Other 1,670 (31.3%) Black 1,362 (36.9%)White 1,280 (34.7%)Other 1,046 (28.4%) Black 2,656 (21.0%)White 4,985 (39.4%)Other 5,011 (39.6%) < 0.0001 Recipient BMIMean (SD) 26.4 (±7.1) 25.9 (±6.5) 25.3 (±6.6) < 0.0001 InsuranceN (%) Private 1,843 (34.6%)Public 3,456 (64.8%) Private 1,262 (34.2%)Public 2,411 (65.4%) Private 5,131 (40.6%)Public 7,462 (59.0%) < 0.0001 Diabetes as cause of ESRDN (%) 531 (10.0%) 290 (7.9%) 949 (7.5%) <0.0001 Transplant Vintage (years) Mean (SD) 8.1 (±5.3) 7.8 (±5.4) 8.5 (±5.5) < 0.0001 Transplant from Living Kidney DonorN (%) 1,885 (35.3%) 1,240 (33.6%) 5,625 (44.5%) < 0.0001 1. States where abortion is illegal in all or most circumstances AL, AR, ID, IN, KY, LA, MS, MO, ND, OK, SD, TN, TX, WV 2. States with restrictions on abortion (6-18 weeks) AZ, FL, GA, NE, NC, SC, UT
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».