Nouvelle technologie de monitorage à distance dans le traitement des patients sous dialyse péritonéale
Bibliographic record
Abstract
La dialyse péritonéale (DP) permet au patient insuffisant rénal terminal de réaliser son traitement de dialyse en autonomie à son domicile. Amia avec Sharesource est un appareil de DP (cycleur) innovant incluant une communication via une plateforme connectée permettant la révision à distance par l'équipe traitante des données et alarmes de la séance. L'objectif de ce mémoire est de présenter la dialyse à domicile, de la situer dans le contexte social et économique actuel, de présenter la technologie Amia avec le monitorage à distance Sharesource et déterminer via une étude si cette technologie permet de diminuer le nombre de complications, de visites hospitalières imprévues, d'appels entre le patient et l'équipe traitante, et d'hospitalisations. L'appréciation des patients ainsi que l'évolution de la cohorte en DP étaient également étudiées. Cette étude prospective, menée au CHU de Québec, Hôtel-Dieu-de-Québec, porte sur l'ensemble des patients ayant débuté la DP avec le cycleur Amia avec Sharesource entre juin 2019 et Août 2021 et comparé à une cohorte avec cycleur standard (HomeChoice) des 2 années précédentes. Les données étaient collectées à l'inclusion et à 3, 6, 9, 12 mois. Les résultats des 50 patients du groupe Amia sont comparés aux 60 patients du groupe standard ayant des caractéristiques de populations comparables. On observe une réduction du nombre de visites imprévues, d'hospitalisations et d'appels patients/équipe traitante, mais non significative cependant (respectivement p=0,76, p=0,56, et p=0,24) Il n'y avait pas de différence en terme de nombre de complications. Le score d'appréciation était excellent et la cohorte de DP a pu être maintenue malgré le contexte pandémique de SARS-COV2.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".