MétaCan
Menu
Retour à la cohorte
Enregistrement W2766527271 · doi:10.1111/hdi.12592

Measuring residual renal function for hemodialysis adequacy: Is there an easier option?

2017· review· en· W2766527271 sur OpenAlexvenueno aff
Andrew Davenport

Notice bibliographique

RevueHemodialysis International · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenal functionMedicineResidualDialysisHemodialysisCystatin CUrologyIntensive care medicineResidual riskInternal medicineAlgorithmComputer science

Résumé

récupéré en direct d'OpenAlex

Most patients starting hemodialysis (HD) have residual renal function. As such, there has been increased interest in starting patients with less frequent and shorter dialysis session times. However, for this incremental approach to be successful, patients require regular monitoring of residual renal function, so that as residual renal function declines, the amount of HD is appropriately increased. Currently most dialysis centers rely on interdialytic urine collections. However, many patients find these inconvenient and there may be marked intrapatient variability due to compliance issues. Thus, alternative markers of residual renal function are required for routine clinical practice. Currently three middle sized molecules; cystatin C, β2 microglobulin, and βtrace protein have been investigated as potential endogenous markers of glomerular filtration. Although none is ideal, combinations of these markers have been proposed to provide a more accurate estimation of glomerular clearance, and in particular cut offs for minimal residual renal function. However, in patients with low levels of residual renal function it remains unclear as to whether the benefits of residual renal function equally apply to glomerular filtration or tubular function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,157
Tête enseignante GPT0,378
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHemodialysis InternationalMême sujetDialysis and Renal Disease ManagementTravaux en français237 207