Nomenclature for kidney function and disease: report of a Kidney Disease: Improving Global Outcomes (KDIGO) Consensus Conference
Notice bibliographique
Résumé
The worldwide burden of kidney disease is rising, but public awareness remains limited, underscoring the need for more effective communication by stakeholders in the kidney health community. Despite this need for clarity, the nomenclature for describing kidney function and disease lacks uniformity. In June 2019, Kidney Disease: Improving Global Outcomes (KDIGO) convened a Consensus Conference with the goal of standardizing and refining the nomenclature used in the English language to describe kidney function and disease, and of developing a glossary that could be used in scientific publications. Guiding principles of the conference were that the revised nomenclature should be patient-centered, precise, and consistent with nomenclature used in the KDIGO guidelines. Conference attendees reached general consensus on the following recommendations: (i) to use "kidney" rather than "renal" or "nephro-" when referring to kidney disease and kidney function; (ii) to use "kidney failure" with appropriate descriptions of presence or absence of symptoms, signs, and treatment, rather than "end-stage kidney disease"; (iii) to use the KDIGO definition and classification of acute kidney diseases and disorders (AKD) and acute kidney injury (AKI), rather than alternative descriptions, to define and classify severity of AKD and AKI; (iv) to use the KDIGO definition and classification of chronic kidney disease (CKD) rather than alternative descriptions to define and classify severity of CKD; and (v) to use specific kidney measures, such as albuminuria or decreased glomerular filtration rate (GFR), rather than "abnormal" or "reduced" kidney function to describe alterations in kidney structure and function. A proposed 5-part glossary contains specific items for which there was general agreement. Conference attendees acknowledged limitations of the recommendations and glossary, but they considered standardization of scientific nomenclature to be essential for improving communication.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,010 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».