A qualitative case study of health system barriers and facilitators to living donor kidney transplantation in Canada's most populous province
Notice bibliographique
Résumé
Abstract Patients with kidney failure need dialysis or a kidney transplant to survive. Living donor kidney transplantation (LDKT) is the best therapeutic option, yet global rates of LDKT have minimally increased, and there are disparities in access. The need for a systems approach to improvement has been highlighted. We aimed to understand what elements of a relatively large health system interact to deliver LDKT and act as facilitators or barriers. This was an exploratory case study of Ontario, the most populous province in Canada that conducts 600–700 kidney transplantations annually, of which ~30% are LDKT. Data collection entailed interviews with multiple stakeholders (n = 37), and document review (n = 29) served as a means of triangulating the data. Data were analyzed using inductive thematic analysis. A multicomponent intervention to facilitate kidney transplantation was simultaneously being conducted which allowed us to capture its impact (EnAKT‐LKD). Eight themes were identified, that were separated into facilitators and barriers. Centralized leadership, directed resource deployment, dynamic communities of practice, and informal collaborations between various elements of the health system were found to facilitate LDKT. Barriers were inadequate donor and patient resources to support equitable access, lengthy and poorly coordinated workups for donors and recipients, and issues of jurisdictional control and competition for resources. The EnAKT‐LKD initiative was described as having boosted resource deployment and collaborative capacity and improved strategic alliances by establishing communities of practice. This case study has identified how individual elements in a health system interact to facilitate and impede the delivery of a therapy to patients.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,030 | 0,010 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».