Landscape of kidney replacement therapy provision in low- and lower-middle income countries: A multinational study from the ISN-GKHA
Notice bibliographique
Résumé
In low- and lower-middle-income countries (LLMICs), delivering equitable kidney care presents substantial challenges, resulting in significant disparities in disease management and treatment outcomes for people with kidney failure. This comprehensive report leveraged data from the International Society of Nephrology-Global Kidney Health Atlas (ISN-GKHA), to provide a detailed update on the landscape of kidney replacement therapy (KRT) in LLMICs. Among the 65 participating LLMICs, reimbursement for KRT (publicly funded by the government and free at the point of delivery) was available in 28%, 15%, and 8% for hemodialysis (HD), peritoneal dialysis (PD), and kidney transplantation (KT), respectively. Additionally, while 56% and 28% of LLMICs reported the capacity to provide quality HD and PD, only 41% reported accessibility to chronic dialysis, defined as >50% of the national population being able to access KRT, and a mere 5% LLMICs reported accessibility to KT. Workforce shortages in nephrology further compound these challenges. Kidney registries and comprehensive policies for non-communicable diseases and chronic kidney disease care were limited in LLMICs. A comprehensive and cost-effective approach is crucial to address these challenges. Collaboration at global, regional, country, and individual levels is essential to enhance the quality of kidney care across LLMICs.
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 | 0,000 |
| 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 ».