MétaCan
Menu
Retour à la cohorte
Enregistrement W4407863276 · doi:10.1681/asn.20233411b2c

Effect of a Multi-Component Intervention to Improve Patient Access to Kidney Transplantation and Living Kidney Donation

2023· article· en· W4407863276 sur OpenAlexaffabout
Amit Garg, Seychelle Yohanna, Kyla L. Naylor, Susan McKenzie, István Mucsi, Stephanie N. Dixon, Bin Luo, Jessica M. Sontrop, Peter G. Blake

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensPublic Health OntarioUniversity Health NetworkUniversity of TorontoLawson Health Research InstituteMcMaster UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésKidney donationKidney transplantationMedicineComponent (thermodynamics)DonationIntervention (counseling)TransplantationNephrologyKidneyArtificial kidneyIntensive care medicineInternal medicineNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Patients with advanced chronic kidney disease (CKD) have the best chance for a longer and healthier life if they receive a kidney transplant. However, many barriers prevent patients from receiving a transplant. Methods: We conducted a pragmatic, two-arm, parallel-group, cluster-randomized trial of a multi-component intervention designed to target several barriers which prevent kidney transplantation and living donation. The trial included all 26 CKD programs in Ontario, Canada, from Nov 2017 to Dec 2021. These programs care for patients with advanced CKD (patients approaching the need for dialysis or receiving maintenance dialysis). Using covariate-constrained randomization, we allocated the CKD programs (1:1) to provide the intervention or usual care for 4.2 years. The intervention had 4 main components: (1) administrative support to establish local quality improvement teams; (2) transplant educational resources; (3) an initiative for transplant recipients and living donors to share stories and experiences; and (4) program-level performance reports and oversight by administrative leaders. The primary outcome was a composite of all completed steps toward receiving a kidney transplant. Each patient could complete up to 4 steps: step 1, referred to a transplant center for evaluation; step 2, had a potential living donor contact a transplant center for evaluation; step 3, added to the deceased donor waitlist; and step 4, received a transplant from a living or deceased donor. Results: The 26 CKD programs (13 intervention, 13 usual care) during the trial period cared for 20 375 potentially transplant-eligible patients with advanced CKD (intervention [n=9780 patients], usual care [n=10 595 patients]). Despite evidence of intervention uptake, the step completion rate did not significantly differ between the intervention versus usual-care groups: 5334 vs. 5638 steps; 24.8 vs. 24.1 steps per 100 patient-years; adjusted hazard ratio 1.00 (95% CI, 0.87-1.15). Results were consistent in multiple analyses. Conclusions: This province-wide strategy did not increase the rate of completed steps toward receiving a kidney transplant. Improving access to transplantation remains a global priority. Future efforts can build on lessons learned. Protocol: PMID 33948191 Protocol, Process evaluation: PMID 35340770 Statistical analytic plan: PMID 36438439 ClinicalTrials.gov record: NCT03329521 Funding: Commercial Support - Partnership grant funding received from Astellas Canada, Government Support - Non-U.S.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,311
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of NephrologyMême sujetOrgan Donation and TransplantationTravaux en français237 207