MétaCan
Menu
Retour à la cohorte
Enregistrement W2123275154 · doi:10.1093/ndt/gfq252

ADQI 7: the clinical management of the Cardio-Renal syndromes: work group statements from the 7th ADQI consensus conference

2010· article· en· W2123275154 sur OpenAlexaff
Andrew Davenport, Stefan D. Anker, Alexandre Mebazaa, Alberto Palazzuoli, Giorgio Vescovo, Rinaldo Bellomo, Piotr Ponikowski, Inder S. Anand, Nadia Aspromonte, Sean M. Bagshaw, Tomás Berl, Ilona Bobek, D. N. Cruz, Luciano Daliento, Mikko Haapio, Hans L. Hillege, Andrew A. House, N. Katz, Alan S. Maisel, Sunil Mankad, Peter A. McCullough, Federico Ronco, Andrew Shaw, G. Sheinfeld, Sachin Soni, Nereo Zamperetti, P. Zanco, Claudio Ronco

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensWestern UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureIntensive care medicineKidney diseaseCardiorenal syndromeChronic renal failureInternal medicineRenal functionCardiologyDiseaseClinical trial

Résumé

récupéré en direct d'OpenAlex

Many patients with heart failure have underlying renal dysfunction, and similarly, patients with kidney failure are prone to cardiac failure. This has led to the concept of cardio-renal syndromes, which can be an acute or chronic cardio-renal syndrome, when cardiac failure causes deterioration in renal function, or acute and/or chronic Reno-Cardiac syndrome, when renal dysfunction leads to cardiac failure. Patients who develop these syndromes have increased risk of hospital admission and mortality. Although there are clinical guidelines for managing both heart failure and chronic kidney disease, there are no agreed guidelines for managing patients with cardio-renal and/or Reno-Cardiac syndromes, as these patients have typically been excluded from clinical trials. We have therefore reviewed the currently available published literature to outline a consensus of current best clinical practice for these patients.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,325
Écart entre enseignants0,288 · 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.

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

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

En bref

Citations44
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetHeart Failure Treatment and ManagementTravaux en français237 207