Cardiovascular disease and the kidney
Notice bibliographique
Résumé
The interlinking of CVD with CKD is undeniable. CVD accounts for more than 50% of all morbidity and mortality in patients with kidney disease who have undergone renal replacement therapy, and CVD is also prevalent in patients with mild and moderately severe kidney disease. To help address the elevated risks of these patients, primary care physicians need to maintain vigilance in (1) identifying patients who have CKD and (2) implementing strategies for reducing the prevalence of CVD in this population. It is essential that patients be screened for relatively mild kidney disease by measurement of serum creatinine and urine microalbumin and by calculation of the glomerular filtration rate in mL/min/1.73 m2 using equations based on serum creatinine. Rigorous assessment of conventional risk factors, including dyslipidemia, hypertension, and diabetes, is also necessary to prevent the poor outcomes currently observed in persons with CKD. Routine use of ACE inhibitors and aspirin is encouraged in all patients with CKD, and strict glycemic and blood pressure control is recommended for optimal outcomes. In addition, patients should be screened and treated for risk factors particularly associated with kidney disease and CVD morbidity and mortality, including anemia, hyperphosphatemia, and hyperparathyroidism. Finally, physicians should be careful to avoid therapeutic nihilism in patients with kidney disease; those at highest risk of CVD are likely to receive the greatest benefit from cardiovascular therapies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».