Disparities in kidney care in vulnerable populations: A multinational study from the ISN-GKHA
Notice bibliographique
Résumé
Vulnerable populations, such as the elderly, children, displaced people, and refugees, often encounter challenges in accessing healthcare. In this study, we used data from the third iteration of the International Society of Nephrology Global Kidney Health Atlas (ISN-GKHA) to describe kidney care access and delivery to vulnerable populations across countries and regions. Using data from an international survey of clinicians, policymakers, and patient advocates, we assessed the funding and coverage of vulnerable populations on all aspects of kidney replacement therapies (KRT). Overall, 167 countries or jurisdictions participated in the survey, representing 97.4% of the world's population. Children had less access than adults to KRT: hemodialysis (HD) in 74% of countries, peritoneal dialysis (PD) in 53% of countries, and kidney transplantation (KT) in 80% of countries. Available nephrologist workforce for pediatric kidney care was much lower than for adults (0.69 per million population [pmp] vs 10.08 pmp). Refugees or displaced people with kidney failure did not have access to HD, PD, or KT in 21%, 33%, and 37% of the participating countries, respectively. Low-income countries (LICs) were less likely to provide KRT access to refugees compared to high-income countries (HICs): HD: 13% vs 22%; PD: 19% vs 61%; KT: 30% vs 44%. Testing for kidney disease was routinely offered to elderly people in only 61% of countries: LICs (45%), lower-middle-income countries (56%), upper-middle-income countries (54%), and HICs (75%). Equitable access to kidney care for vulnerable people, particularly for children and displaced people, remains an area of unmet need. Strategies are needed to address this issue.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».