The hidden emotional costs of giving life: preserving donors’ mental health and quality of life after living kidney donation
Notice bibliographique
Résumé
Kidney living donation remains the best treatment available for kidney failure. Most living donors report positive personal outcomes, such as enhanced life satisfaction and personal growth. However, mental health challenges have also been documented. The study by Tahir, Aftab and Nabi (J Nephrol https://doi.org/10.1007/s40620-025-02217-5 , 2025) call the attention to a small subset of living donors who may experience significant depression symptoms and occasionally suicidal ideation after donation, particularly when the recipient dies or suffers severe graft failure with a return to dialysis. As observed in the previous studies, only donors whose recipients experienced negative outcomes reported mood alterations or life dissatisfaction (Menjivar et al., Transpl Int 31(12):1332-1344, 2018). These rare post-donation risk scenarios justify a careful mental evaluation to identify psychological vulnerabilities or a history of difficulties in managing and coping with stressful situations. These adverse outcomes appear more likely in donors with pre-donation physical and/or psychological vulnerabilities, in those with a complicated surgical recovery after donation, and in cases where recipients experience poor physical or psychological outcomes. Moreover, cases of graft failure or recipient death might significantly increase donor's likelihood of depression and anxiety, Despite the generally low incidence of psychosocial problems after donation, there have been calls for a more structured and routine follow-up assessment to further mitigate risks and ensure equitable mental health safety for all kidney donors.
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 | 0,000 |
| 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 ».