MétaCan
Menu
Retour à la cohorte
Enregistrement W2020415674 · doi:10.1097/mnh.0b013e32833d67a3

Peritoneal dialysis: an underutilized modality

2010· review· en· W2020415674 sur OpenAlexaboutno aff
Sirin Jiwakanon, Yi-Wen Chiu, Kamyar Kalantar‐Zadeh, Rajnish Mehrotra

Notice bibliographique

RevueCurrent Opinion in Nephrology & Hypertension · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésPeritoneal dialysisModality (human–computer interaction)MedicineDialysisTreatment modalityIntensive care medicineInternal medicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: There have been differential changes in outcomes of patients treated with in-center hemodialysis and peritoneal dialysis. In light of these changes, providers and practices should reevaluate the utilization of peritoneal dialysis. RECENT FINDINGS: Accumulating evidence confirms that the present distribution of dialysis modality in the United States does not reflect patient choice. Furthermore, in most recent cohorts, the 5-year adjusted survival of patients treated with hemodialysis and peritoneal dialysis is remarkably similar (35 and 33% respectively). Similar results have been reported from Canada, Australia, and New Zealand. Moreover, health-related quality of life of peritoneal dialysis patients are no different from that reported by those treated with nocturnal hemodialysis. Finally, an expansion of use of peritoneal dialysis for the treatment of end-stage renal disease makes economic sense for the taxpayers - the payors for dialysis services. SUMMARY: The improvement in outcomes of peritoneal dialysis patients makes a compelling argument for the expansion of the use of the therapy for the treatment of end-stage renal disease in the United States. We think that 20-40% of patients can be treated with peritoneal dialysis. However, any expansion in use should be done gradually and should include training healthcare providers while continuously monitoring patient outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,142
Tête enseignante GPT0,404
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Nephrology & HypertensionMême sujetDialysis and Renal Disease ManagementTravaux en français237 207