MétaCan
Menu
Retour à la cohorte
Enregistrement W2883783184 · doi:10.1177/1129729818786630

Improving precision in prediction: Using kidney failure risk equations as a potential adjunct to vascular access planning

2018· article· en· W2883783184 sur OpenAlexaff
Nicholas Inston, Charmaine E. Lok

Notice bibliographique

RevueThe Journal of Vascular Access · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCentral Venous Catheters and Hemodialysis
Établissements canadiensToronto General HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésVascular accessMedicineIntensive care medicinePsychological interventionReferralKidney diseaseRenal functionRisk assessmentRisk analysis (engineering)KidneyComputer scienceSurgeryInternal medicineHemodialysisComputer security

Résumé

récupéré en direct d'OpenAlex

The timing of referral for creation of vascular access in a patient with declining kidney function is difficult to predict. Current methods may result in patients undergoing unnecessary procedures and subsequent interventions on accesses that are never used. Multiple variables, including time for assessment, surgery and follow-up that considers the likelihood of access failure, and the estimated rate of kidney function decline, make vascular access planning challenging and difficult to balance. Better prediction tools that incorporate the risks of progressive decline in kidney function with the risk of access failure and the competing risk of death would facilitate decision-making in vascular access. The kidney failure risk equation is a validated, simple online tool that estimates the probability of the 2- and 5-year risk of reaching end-stage kidney disease. While the use of the kidney failure risk equation has not been validated as an adjunct to planning vascular access, it has potential and may facilitate more individualised care and more appropriate allocation of resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,393
Écart entre enseignants0,341 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Vascular AccessMême sujetCentral Venous Catheters and HemodialysisTravaux en français237 207