KDIGO Clinical Practice Guideline on the Evaluation and Management of Candidates for Kidney Transplantation
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
The 2020 Kidney Disease: Improving Global Outcomes (KDIGO) Clinical Practice Guideline on the Evaluation and Management of Candidates for Kidney Transplantation is intended to assist health care professionals worldwide who evaluate and manage potential candidates for deceased or living donor kidney transplantation. This guideline addresses general candidacy issues such as access to transplantation, patient demographic and health status factors, and immunological and psychosocial assessment. The roles of various risk factors and comorbid conditions governing an individual's suitability for transplantation such as adherence, tobacco use, diabetes, obesity, perioperative issues, causes of kidney failure, infections, malignancy, pulmonary disease, cardiac and peripheral arterial disease, neurologic disease, gastrointestinal and liver disease, hematologic disease, and bone and mineral disorder are also addressed. This guideline provides recommendations for evaluation of individual aspects of a candidate's profile such that each risk factor and comorbidity are considered separately. The goal is to assist the clinical team to assimilate all data relevant to an individual, consider this within their local health context, and make an overall judgment on candidacy for transplantation. The guideline development process followed the Grades of Recommendation Assessment, Development, and Evaluation (GRADE) approach. Guideline recommendations are primarily based on systematic reviews of relevant studies and our assessment of the quality of that evidence, and the strengths of recommendations are provided. Limitations of the evidence are discussed with differences from previous guidelines noted and suggestions for future research are also provided.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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