MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415474521 · doi:10.1681/asn.2025xdedbvp8

Reasons for Home Hemodialysis Discontinuation in a Canadian Province

2025· article· en· W4415474521 sur OpenAlexaffabout
Drew Hager, Reid Whitlock, Clara Bohm, Paul Komenda, Claire Harris, Jay P. Hingwala

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of British ColumbiaOrthopaedic Innovation CentreUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDiscontinuationHemodialysisHome hemodialysisMEDLINE

Résumé

récupéré en direct d'OpenAlex

Background: Home hemodialysis (HHD) utilization is greater than 8% in Manitoba, Canada. Despite this, many patients stop HHD within the first several years. The present study aims to identify local rates of HHD discontinuation and the associated reasons, including potentially modifiable causes of technique failure. Methods: The target population includes adults in Manitoba, Canada with kidney failure who began HHD between January 1st, 2017 and December 31st, 2023. Data was collected retrospectively from an electronic health record and chart review. HHD discontinuation was defined as stopping for greater than sixty days. Results: During the study period, 266 patients completed HHD training. In total, 142 patients discontinued HHD with a mean time of 751 days (range 24 to 2225 days). The rates of discontinuation and technique failure at 12 and 36 months are reported in Table 1. A qualitative description of the psychosocial reasons for technique failure are outlined in Figure 1. Conclusion: Rates of HHD discontinuation in Manitoba, Canada are similar to previous published administrative database and program reviews. Our findings should encourage leaders in HHD to standardize technique failure as a key performance indicator, develop local initiatives to support patients with modifiable psychosocial reasons for technique failure, and encourage providers to discuss end of life goals of care when stopping HHD.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0050,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,264 · 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'étudeObservationnel
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of Nephrology→Même sujetDialysis and Renal Disease Management→Travaux en français237 207→