MétaCan
Menu
Retour à la cohorte
Enregistrement W4416910366 · doi:10.1159/000548765

How to Enhance Kidney Donation around the World: A Summary of Expert Opinions from the 5th International Congress of Chinese Nephrologists

2025· article· en· W4416910366 sur OpenAlexaff
Philip Kam‐Tao Li, Kai Ming Chow, Jason Choo, Lai Seong Hooi, Ming‐Che Lee, York Pei, Frederick W.K. Tam, Melissa Y. Yeung, Simon Y.H. Tang, Na Tian, Jianghua Chen

Notice bibliographique

RevueKidney Diseases · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésKidney donationOrgan donationDonationIncentivePublic policyEthical issues

Résumé

récupéré en direct d'OpenAlex

Background: Kidney transplantation is the best modality of kidney replacement therapy for kidney failure, and yet global shortages of donor kidneys persist. Summary: The 5th International Congress of Chinese Nephrologists (ICCN), held in Hong Kong from December 13-15, 2024, hosted a "Kidney Donation Roundtable Workshop" to address this critical issue. The incidence of kidney transplantation varies across countries and regions, and detailed evaluation is essential to guide stakeholders in developing strategies to enhance kidney donation and improve patient outcomes worldwide. This paper summarizes expert opinions from the congress, focusing on strategies to enhance kidney donation globally. Key Messages: Improving public education, addressing ethical and cultural barriers, optimizing organ allocation systems, and leveraging policy incentives to promote both living and deceased donation are cornerstones in combating donor kidney shortages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,323
Écart entre enseignants0,312 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney DiseasesMême sujetOrgan Donation and TransplantationTravaux en français237 207