Improving the prognosis of patients with severely decreased glomerular filtration rate (CKD G4+): conclusions from a Kidney Disease: Improving Global Outcomes (KDIGO) Controversies Conference
Notice bibliographique
Résumé
Patients with severely decreased glomerular filtration rate (GFR) (i.e., chronic kidney disease [CKD] G4+) are at increased risk for kidney failure, cardiovascular disease (CVD) events (including heart failure), and death. However, little is known about the variability of outcomes and optimal therapeutic strategies, including initiation of kidney replacement therapy (KRT). Kidney Disease: Improving Global Outcomes (KDIGO) organized a Controversies Conference with an international expert group in December 2016 to address this gap in knowledge. In collaboration with the CKD Prognosis Consortium (CKD-PC) a global meta-analysis of cohort studies (n = 264,515 individuals with CKD G4+) was conducted to better understand the timing of clinical outcomes in patients with CKD G4+ and risk factors for different outcomes. The results confirmed the prognostic value of traditional CVD risk factors in individuals with severely decreased GFR, although the risk estimates vary for kidney and CVD outcomes. A 2- and 4-year model of the probability and timing of kidney failure requiring KRT was also developed. The implications of these findings for patient management were discussed in the context of published evidence under 4 key themes: management of CKD G4+, diagnostic and therapeutic challenges of heart failure, shared decision-making, and optimization of clinical trials in CKD G4+ patients. Participants concluded that variable prognosis of patients with advanced CKD mandates individualized, risk-based management, factoring in competing risks and patient preferences.
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 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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».