The need for improved uptake of the KDIGO glomerulonephritis guidelines into clinical practice in Canada: a survey of nephrologists
Notice bibliographique
Résumé
BACKGROUND: The lack of glomerulonephritis (GN) guidelines has historically contributed to substantial variability in the treatment of GN. We hypothesize that there are barriers to GN guideline implementation leading to incomplete translation of the 2012 KDIGO GN guidelines into patient care, and that current practice patterns deviate from guideline recommendations. METHODS: Adult nephrologists in Canada (N = 390) were surveyed using a web-based tool. The survey of 40 questions captured physician demographics, self-reported GN case load, treatment approaches and barriers to guideline implementation. RESULTS: The response rate was 44%. Physicians report seeing six (IQR 4,10) new cases of idiopathic GN every 6 months. The majority treat ANCA GN according to guidelines, but 9-37% treat nephrotic focal segmental glomerulosclerosis or membranous nephropathy with non-recommended immunosuppression and 6-9% do not treat with any immunotherapy, whereas 26% treat subnephrotic disease with immunosuppression. The majority indicated that standardized care tools would improve patient care, but they were only available to 25-44%. Patient education tools and nursing support are unavailable to 87 and 67%, respectively; insurance coverage for immune therapies is poorly accessible to 84%, yet 86% feel this would improve care and 96% of physicians support comparing their practice with benchmarks from provincial GN registries. CONCLUSIONS: We show that 2 years after the publication of the KDIGO GN guidelines, 15-46% of Canadian nephrologists report treatment strategies not in keeping with guideline recommendations. We identify barriers to guideline implementation and widespread physician support for initiatives that address these barriers to improve patient care.
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 | 0,014 | 0,292 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».