MétaCan
Menu
Retour à la cohorte
Enregistrement W3082087942 · doi:10.1177/2054358120948294

A Provincial Survey of the Contemporary Management of Autosomal Dominant Polycystic Kidney Disease

2020· article· en· W3082087942 sur OpenAlexaffabout
Tae Won Yi, Adeera Levin, Micheli Bevilacqua, Mark Canney

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and Kidney Cyst Diseases
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineAutosomal dominant polycystic kidney diseaseTolvaptanPolycystic kidney diseaseDiseaseKidney diseaseBlood pressureNephrologyInternal medicineFamily medicineIntensive care medicineHeart failure

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent years have witnessed an encouraging expansion of knowledge and management tools in the care of patients with autosomal dominant polycystic kidney disease (ADPKD), including measurement of total kidney volume as a biomarker of disease progression, stringent blood pressure targets to slow cyst growth, and targeted treatments such as tolvaptan. OBJECTIVES: We sought to evaluate clinicians' familiarity with, and usage of, novel evidence-based management tools for ADPKD. DESIGN: On-line survey. SETTING: British Columbia, Canada. PARTICIPANTS: Nephrologists in academic and community practice (excluding clinicians who practice exclusively in transplantation). MEASUREMENTS: Participants answered multiple-choice questions in 6 domains: sources of information, self-identified needs for optimal care delivery, prognostication, imaging tests, blood pressure targets, and use of tolvaptan. METHODS: An online survey was developed and disseminated via email to 65 nephrologists engaged in current clinical practice in British Columbia. RESULTS: A total of 29 nephrologists (45%) completed the questionnaire. The most popular source of information was the primary literature (83% of respondents). While 86% of respondents reported assessing the risk of disease progression before the onset of kidney function decline, most were using traditional metrics such as blood pressure and proteinuria rather than validated prediction tools such as the Mayo Classification. Although 90% of respondents obtained additional imaging after diagnosis in some or all of their ADPKD patients, only 1 in 5 reported being confident in their ability to interpret kidney size. The recommended blood pressure (BP) target of <110/75 mmHg was sought by 17% of respondents. All respondents reported being familiar with the literature regarding tolvaptan; however, only half were confident in their ability to identify suitable patients for treatment. The top 3 needs identified by clinicians were better access to medications (69%), clear management protocols (66%), and easier access to imaging tests (59%). LIMITATIONS: Funding mechanisms for tolvaptan can vary; therefore, clinicians' experience with the drug may not be generalizable. Although the response rate was acceptable, the survey is nonetheless subject to responder bias. CONCLUSION: This survey indicates that there is substantial variability in the usage of, and familiarity with, evidence-based ADPKD management tools among contemporary nephrologists, contributing to incomplete translation of evidence into clinical practice. Providing greater access to tolvaptan or imaging tests is unlikely to improve patient care without enhancing knowledge translation and education. TRIAL REGISTRATION: Not applicable as this was a survey.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,281

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,226 · 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'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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetGenetic and Kidney Cyst DiseasesTravaux en français237 207