Identifying the Views and Needs of Family Physicians on Providing Care to Living Kidney Donors: A Cross‐Sectional Survey
Notice bibliographique
Résumé
Optimizing the long-term care and follow-up of living kidney donors (LKDs) has been challenging, and prior LKDs have reported suboptimal healthcare experiences. Long-term care of LKDs is largely undertaken by primary care practitioners such as family physicians (FPs). We conducted a cross-sectional survey of Canadian FPs (n = 151). In our sample, 21.9% of participants reported that ≥1 patient had expressed interest in becoming a LKD, and 39.9% provided care to prior LKDs. While 55.5% knew how to find information on living kidney donation, 75.5% reported that information was not available in their practice. Only a minority had formal training in living kidney donation (<5%), and self-reported knowledge was low (median = 3 [scale 1 = not strong to 10 = very strong]). Knowledge improved significantly with educational activities, resources, experience, and practice needs. Attitudes toward living kidney donation were generally favorable with 71.5% stating that FPs should be involved in post-donation care. Clinical care guidelines (78.8%) were the most desired resource, followed by clear communication and reliable contact at transplant centers. Our findings inform the transplant community of an avenue to optimize LKD care by better-supporting FPs, who provide care to LKDs. This may enhance data collection on LKD outcomes and potentially increase donation rates.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».