MétaCan
Menu
Retour à la cohorte
Enregistrement W2155943491 · doi:10.1586/14737167.2015.1012069

Cost-effective treatment modalities for reducing morbidity associated with chronic kidney disease

2015· review· en· W2155943491 sur OpenAlexaff
Thomas W. Ferguson, Navdeep Tangri, Claudio Rigatto, Paul Komenda

Notice bibliographique

RevueExpert Review of Pharmacoeconomics & Outcomes Research · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of ManitobaSeven Oaks General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney diseaseIntensive care medicinePeritoneal dialysisNephrologyHemodialysisReferralDialysisQuality of life (healthcare)Kidney transplantationRenal replacement therapyInternal medicineTransplantationFamily medicine

Résumé

récupéré en direct d'OpenAlex

Chronic kidney disease (CKD) is a worldwide health problem with increasing prevalence and incidence. Guidelines suggest that early referral to a nephrologist to manage advanced stage (4+) patients with CKD is an effective treatment strategy, with earlier stage patients best managed through primary care physicians. Should patients with CKD progress to total kidney failure, several therapies are available that vary widely in costs. Kidney transplantation offers the lowest costs and highest quality of life, followed in ascending order of costs by peritoneal dialysis, home hemodialysis and facility-based hemodialysis. Earlier detection of CKD may prevent progression to kidney failure, and accurate risk prediction of end-stage kidney failure may improve clinical planning, outcomes and resource allocation.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,149
Tête enseignante GPT0,558
Écart entre enseignants0,409 · 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'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

Citations40
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Pharmacoeconomics & Outcomes ResearchMême sujetDialysis and Renal Disease ManagementTravaux en français237 207