Building the Evidence in Peritoneal Dialysis: Use of Randomized Controlled Trials, and Observational and Registry Data
Notice bibliographique
Résumé
Renal replacement therapy (RRT) has achieved widespread acceptance without being subjected to the rigors of randomized controlled clinical trials (RCCTs). The RCCT remains the "gold standard" of evidenced-based medicine, but ethical, logistic, and financial limitations mean that not all questions are amenable to a RCCT. Renal registries collect, aggregate, analyze, and interpret data on the occurrence and outcome of renal failure in a defined population. Observational data can be used only to show associations, not causality. Nevertheless, most clinical practice guidelines in nephrology are derived from observational data. The nephrology community needs to join forces to decide the questions that deserve the time, energy, and resources of an RCCT. Prospective observational data can be enhanced by collaboration, standardized definitions, development of a risk-adjustment tool, and consensus among the key players, including professional associations, government, industry, and hospitals. The challenge is to provide evidence-based practice guidelines for the delivery of care to the end-stage renal patient.
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 | 0,683 | 0,886 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,020 | 0,009 |
| Bibliométrie | 0,024 | 0,025 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».