ISFM Consensus Guidelines on the Diagnosis and Management of Feline Chronic Kidney Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PRACTICAL RELEVANCE: Chronic kidney disease (CKD) is one of the most commonly diagnosed diseases in older cats. In most cats, CKD is also a progressive disease and can be accompanied by a wide range of clinical and clinicopathological changes. These ISFM Consensus Guidelines have been developed by an independent panel of clinicians and academics to provide practical advice on the diagnosis and management of this complex disease. CLINICAL CHALLENGES: Although CKD is a common clinical problem in cats, the manifestations of disease vary between individuals. Thus there is a need for careful and repeat evaluation of cats with CKD and adjustment of therapy according to individual needs. In addition to addressing problems arising from CKD and improving quality of life (QoL) for the patient, therapy may also target slowing the underlying progression of disease and hence prolonging life. While maintaining QoL is of paramount importance in our patients, this can be challenging when multiple therapies are indicated. In some cases it is necessary to prioritise therapy, given an understanding of what is likely to most benefit the individual patient. EVIDENCE BASE: In preparing these Guidelines, the Panel has carefully reviewed the existing published literature, and has also graded the quality of evidence for different interventions to help to provide practical recommendations on the therapeutic options for feline CKD. This is a field of veterinary medicine that has benefited from some excellent published clinical research and further research findings will undoubtedly modify the recommendations contained in these Guidelines in the future.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle