Perceptions of Prognostic Risks in Chronic Kidney Disease: A National Survey
Notice bibliographique
Résumé
BACKGROUND: Predicting the clinical trajectories of chronic kidney disease (CKD) to discern personalized care remains a complex challenge in nephrology. Understanding the appropriate risk thresholds and time frame associated with predicting risks of key outcomes (kidney failure, cardiovascular (CV) events, and death) is critical in facilitating decision-making. As part of an exploratory research and practice support needs assessment, we aimed to determine the importance of the time frames for predicting key outcomes, and to assess the perceived demand for risk prediction tools among Canadian nephrologists. METHODS: A web-based survey was developed by a pan-Canadian expert panel of practitioners. Upon pre-test for clarity and ease of completion, the final survey was nationally deployed to Canadian nephrologists. Anonymous responses were gathered over a 4-month period. The results were analyzed using descriptive statistics. RESULTS: One hundred eleven nephrologists responded to our survey. The majority of the respondents described prediction of events over time frames of 1-5 years as being "extremely important" or "very important" to decision-making on a 5-point Likert scale. To plan for arteriovenous fistula referral, the respondents deemed thresholds which would predict probability of kidney failure between >30 and >50 % at 1 year, as useful, while many commented that the rate of progression should be included for decision-making. Over 80 % of the respondents were not satisfied with their current ability to predict the progression to kidney failure, CV events, and death. Most of them indicated that they would value and use validated risk scores for decision-making. CONCLUSIONS: Our national survey of nephrologists shows that the risk prediction for major adverse clinical outcomes is valuable in CKD at multiple time frames and risk thresholds. Further research is required in developing relevant and meaningful risk prediction models for clinical decision-making in patient-centered CKD 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 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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».