Outcomes in Vulnerable Populations Starting Dialysis: Informing Resource Allocation and Home Dialysis Targets
Notice bibliographique
Résumé
Background: Vulnerable populations are those who may be disadvantaged for medical or social reasons, and often experience health care disparities. Government mandated targets for home dialysis do not consider barriers such patients may face. We evaluated key performance indicators for patients starting chronic dialysis to inform resource allocation and home dialysis targets. Methods: All patients >=18 yo who started chronic dialysis for >=30 days from 2017-23 at our center were included. Vulnerable subgroups were defined a priori (indigenous, refugees, language barrier, age>=80). Data was extracted from electronic records and verified via manual chart review. We compared crash starts and 1-year outcomes using multi-level chi-square tests with post-hoc comparisons against non-vulnerable patients (NVP). Results: Of 693 patients, 241 (35%) were identified as being from a vulnerable subgroup (table 1). All outcomes except admission were significantly different between groups. Among refugees, 96% were crash starts (p<0.0001 vs NVP), and 0 started home dialysis (p=0.04 vs. NVP). Of patients >80yo, 32% died (p<0.0001 vs NVP), and only 2% transitioned to home dialysis (p=0.01 vs NVP). While home dialysis and mortality were similar for indigenous vs NVP, indigenous patients were significantly less likely to have kidney transplant or be referred for evaluation (p=0.002 vs NVP). Conclusion: Resource allocation should align with the needs of vulnerable subgroups based on observed outcomes. This includes increasing timely transplant referral for indigenous patients, prioritizing social interventions over home dialysis for refugees, and supporting appropriate end-of-life care in the elderly. Table 1 - Indigenous Refugees Lang Barrier Age ≥ 80 NVP Overall p N 138 26 24 53 452 Crash Start (74) 54% (25) 96%*** (11) 46% (25) 47% (239) 53% <0.001 Transplant Eval (32) 23%** n/a (8) 33% n/a (169) 37% <0.0001 Home Dialysis (19) 14% 0* (3) 13% (1) 2%* (65) 14% 0.031 Death (10) 7% (2) 8% (1) 4% (17) 32%*** (54) 12% <0.0001 Admission (83) 60% (11) 42% (10) 42% (30) 58% (262) 58% 0.248 Post-hoc comparisons vs. NVP: *p<0.05, **p<0.01, ***p<0.0001
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 | 0,003 | 0,013 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».