Economic trend in kidney transplantation costs in the world; insights from the ISN global kidney health atlas 2019-2023
Notice bibliographique
Résumé
Introduction: Kidney transplantation is a critical treatment for end-stage kidney disease, but its costs vary widely across countries and over time. Objectives: This study investigates changes in kidney transplantation costs between 2019 and 2023 using data from the International Society of Nephrology Global Kidney Health Atlas (ISN-GKHA). Methods: This ecological study analyzed kidney transplantation costs reported globally for 2019 and 2023 using data from the ISN-GKHA. The study included countries with complete cost data for both years, excluding those with missing or inconsistent records. Data collection focused on extracting first-year and subsequent annual transplantation costs from the publicly available ISN database. The primary outcome was the change in transplantation costs over time, evaluated to identify trends and regional variations in expenses across the included countries. Results: The trend from 2019 to 2023 in kidney transplantation costs varies by continent and globally. In Latin America, Brazil showed the highest increase, while Bolivia had the smallest. Oceania and Southeast Asia saw Australia with the largest increase and Indonesia with a decrease. Western Europe had the Netherlands with the greatest rise and Germany with a decrease. Saudi Arabia had the highest increase in the Middle East, while the West Bank and Gaza had the least. South Asia’s Bangladesh showed a modest increase. In North America, the United States experienced the largest increase, whereas Canada had a decrease. North and East Asia saw Japan with the most notable increase and China with a decrease. Africa had Morocco with the highest increase and Egypt with the smallest. Eastern and Central Europe recorded the largest rise in Slovenia and the smallest in Serbia. Overall, the United States had the most significant increase, while Germany showed the greatest decrease. Conclusion: The findings highlight significant regional disparities in kidney transplantation costs globally, emphasizing the necessity for targeted healthcare policies and ongoing monitoring to ensure cost-effective and equitable access to transplantation services worldwide.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,000 | 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 ».