What we do and do not know about women and kidney diseases; questions unanswered and answers unquestioned: reflection on World Kidney Day and International Woman’s Day
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
Chronic Kidney Disease affects approximately 10% of the world's adult population: it is within the top 20 causes of death worldwide, and its impact on patients and their families can be devastating. World Kidney Day and International Women's Day in 2018 coincide, thus offering an opportunity to reflect on the importance of women's health and specifically their kidney health, on the community, and the next generations, as well as to strive to be more curious about the unique aspects of kidney disease in women so that we may apply those learnings more broadly.Girls and women, who make up approximately 50% of the world's population, are important contributors to society and their families. Gender differences continue to exist around the world in access to education, medical care, and participation in clinical studies. Pregnancy is a unique state for women, offering an opportunity for diagnosis of kidney disease, but also a state where acute and chronic kidney diseases may manifest, and which may impact future generations with respect to kidney health. There are various autoimmune and other conditions that are more likely to impact women with profound consequences for child bearing, and on the fetus. Women have different complications on dialysis than men, and are more likely to be donors than recipients of kidney transplants.In this editorial, we focus on what we do and do not know about women, kidney health, and kidney disease, and what we might learn in the future to improve outcomes worldwide.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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