Virtual Care Utilization and Peritonitis Risk in Rural and Indigenous Peritoneal Dialysis Patients
Notice bibliographique
Résumé
Introduction Peritoneal dialysis (PD) provides an essential home-based kidney replacement therapy, particularly for rural and Indigenous populations with limited access to in-center hemodialysis. Trust, continuity, and technical proficiency are critical for safe PD care. The COVID-19 pandemic accelerated virtual care delivery, coinciding with increased PD-associated peritonitis. Methods We conducted a retrospective cohort study (2021–2023) with an embedded qualitative component at a regional hospital in Northern British Columbia, Canada. Demographic, clinical, and virtual care data were extracted from the provincial databases and patient charts. Peritonitis episodes were classified using structured Root Cause Analysis. Multivariable logistic regression assessed associations between patient factors and peritonitis risk. Semi-structured interviews with 12 PD patients explored perceptions of trust, training adequacy, and care continuity. Results Among 45 adult PD patients (mean age 63.5 ± 12.1 years), 78 peritonitis episodes occurred. Patients from rural Indigenous communities represented 33.3% of the cohort but accounted for 70.5% of episodes. Root Cause Analysis attributed 63.8% of episodes to technique failure, 19.1% to acute events, and 17.0% to psychosocial stressors. Peritonitis was associated with residence in an Indigenous community (OR 2.45, 95% CI 1.01–5.94, p=0.049), high virtual care exposure (≥85% of visits; OR 2.85, 95% CI 1.19–6.84, p=0.019), and technique failure (OR 3.12, 95% CI 1.42–6.84, p=0.005). Qualitative themes included diminished trust, inadequate hands-on training, and perceived clinical detachment. Conclusion High virtual care exposure was associated with increased risk of peritonitis, particularly among patients in rural Indigenous communities. Adapting PD models to strengthen trust, hands-on training, and cultural safety may improve outcomes.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».