MétaCan
Menu
Retour à la cohorte
Enregistrement W2110147629 · doi:10.1093/ndt/16.suppl_7.41

Anaemia in chronic renal disease: lessons learned since Seville 1994

2001· review· en· W2110147629 sur OpenAlexaff
Parfrey Ps

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2001
Typereview
Langueen
DomaineMedicine
ThématiqueErythropoietin and Anemia Treatment
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedicineDiseaseKidney diseaseErythropoietinDialysisPopulationIntensive care medicineRenal functionInternal medicineClinical trialAnemiaHeart failureCardiology

Résumé

récupéré en direct d'OpenAlex

Cardiovascular disease is the major cause of death among patients with end-stage renal disease, accounting for almost half of all fatalities. In recent years much progress has been made in understanding the pathogenesis of cardiovascular disease in the uraemic population. Anaemia is a consistent finding in chronic renal disease, affecting up to 90% of patients, and the central role of anaemia in the development of cardiovascular dysfunction is now well established. A significant proportion of patients have established cardiovascular complications on initiation of dialysis, raising the possibility of early correction of anaemia as a strategy for preventing cardiovascular co-morbidities among renal patients. Randomized, controlled trials have shown that normalization of haemoglobin (Hb) with recombinant erythropoietin (rh-Epo) is of no cardiovascular benefit in haemodialysis patients with symptomatic heart failure, ischaemic heart disease, or severe left ventricular dilatation, although suggestive evidence exists for benefits at earlier stages of cardiac disease. Results from large-scale clinical trials are required to clarify the effects of early anaemia correction on mortality and cardiovascular function, as well as appropriate treatment targets in different patient populations. The potential exists for higher Hb levels to extend patient survival through cardioprotective effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,353
Écart entre enseignants0,307 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations23
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetErythropoietin and Anemia TreatmentTravaux en français237 207