MétaCan
Menu
Retour à la cohorte
Enregistrement W2979451428 · doi:10.1177/2054358119880519

Roadblocks and Opportunities to the Implementation of Novel Therapies for Acute Kidney Injury: A Narrative Review

2019· review· en· W2979451428 sur OpenAlexafffund
Paraish S. Misra, Vanessa Silva e Silva, David Collister

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensTranslational Research in OncologyQueen's UniversityMcMaster UniversityUniversity of Toronto
Organismes subventionnairesDepartment of Medicine, University of TorontoCanadian Institutes of Health Research
Mots-clésMedicineTranslational researchNarrative reviewAcute kidney injuryClinical trialIntensive care medicineBench to bedsideKnowledge translationKidney diseaseEngineering ethicsMedical physicsPathologyInternal medicineKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Acute kidney injury (AKI) is a complex and heterogeneous clinical syndrome with limited effective treatment options. Therefore, a coherent research structure considering AKI pathophysiology, treatment, translation, and implementation is critical to advancing patient care in this area. PURPOSE OF REVIEW: In this narrative review, we discuss novel therapies for AKI from their journey from bench to bedside to population and focus on roadblocks and opportunities to their successful implementation. SOURCES OF INFORMATION: Peer-reviewed articles, opinion pieces from research leaders and research funding agencies, and clinical and research expertise. METHODS: This narrative review details the challenges of translation of preclinical studies in AKI and highlights trending research areas and innovative designs in the field. Key developments in preclinical research, clinical trials, and knowledge translation are discussed. Furthermore, this article discusses the current need to involve patients in clinical research and the barriers and opportunities for effective knowledge translation. KEY FINDINGS: Preclinical studies have largely been unsuccessful in generating novel therapies for AKI, due both to the complexity and heterogeneity of the disease, as well as the limitations of commonly available preclinical models of AKI. The emergence of kidney organoid technology may be an opportunity to reverse this trend. However, the roadblocks encountered at the bench have not precluded researchers from running well-designed and impactful clinical trials, and the field of renal replacement therapy in AKI is highlighted as an area that has been particularly active. Meanwhile, knowledge translation initiatives are bolstered by the presence of large administrative databases to permit ongoing monitoring of clinical practices and outcomes, with research output from such evaluations having the potential to directly impact patient care and inform the generation of meaningful clinical practice guidelines. LIMITATIONS: There are limited objective data examining the process of knowledge creation and translation in AKI, and as such the opinions and research areas of the authors are significantly drawn upon in the discussion. IMPLICATIONS: The use of an organized knowledge-to-action framework involving multiple stakeholders, especially patient partners, is critical to translating basic research findings to improvements in patient care in AKI, an area where effective treatment options are lacking.

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)0,008
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,136
Tête enseignante GPT0,470
Écart entre enseignants0,334 · 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

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetAcute Kidney Injury ResearchTravaux en français237 207