Coronary Artery Disease in patients with End‐Stage Kidney Disease; Current perspective and gaps of knowledge
Notice bibliographique
Résumé
Coronary artery disease (CAD) is very common in dialysis patients. One third have preexisting CAD and another one third have significant occult disease at the time of starting dialysis. Symptoms are often absent or are atypical, emphasizing the need for vigorous screening, specifically in patients awaiting transplant. The lesions tend to be heavily calcified, diffuse, and involve multiple vessels, consequently, percutaneous coronary interventions are more complicated to perform, and are less successful in achieving and maintaining short- and long-term patency. Dialysis patients have been excluded from the randomized controlled trials on which the current standards for managing CAD have been established. Due to differences in pathobiology and risks and benefits, it is uncertain that the results of these clinical trials extrapolate to patients with advanced chronic kidney disease (CKD). Here we review the data from observational studies and identify special considerations concerning the diagnosis and management of CAD in dialysis patients, including the use of noninvasive functional testing vs anatomical testing, the management of acute coronary syndromes and of stable coronary artery disease, the role for percutaneous revascularization vs coronary artery bypass grafting, and of platelet inhibitor therapy after coronary stenting. We review the preliminary results of the recently published ISCHEMIA-CKD trial, the only trial to date to involve large numbers of dialysis patients. This is the first of, hopefully, many trials in the pipeline that will examine therapies for CAD specifically in patients with advanced CKD, a growing population that is at particularly high risk for poor outcomes.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».