Controversies in optimal anemia management: conclusions from a Kidney Disease: Improving Global Outcomes (KDIGO) Conference
Notice bibliographique
Résumé
In chronic kidney disease, anemia and disordered iron homeostasis are prevalent and associated with significant adverse consequences. In 2012, Kidney Disease: Improving Global Outcomes (KDIGO) issued an anemia guideline for managing the diagnosis, evaluation, and treatment of anemia in chronic kidney disease. Since then, new data have accrued from basic research, epidemiological studies, and randomized trials that warrant a re-examination of previous recommendations. Therefore, in 2019, KDIGO decided to convene 2 Controversies Conferences to review the latest evidence, explore new and ongoing controversies, assess change implications for the current KDIGO anemia guideline, and propose a research agenda. The first conference, described here, focused mainly on iron-related issues, including the contribution of disordered iron homeostasis to the anemia of chronic kidney disease, diagnostic challenges, available and emerging iron therapies, treatment targets, and patient outcomes. The second conference will discuss issues more specifically related to erythropoiesis-stimulating agents, including epoetins, and hypoxia-inducible factor-prolyl hydroxylase inhibitors. Here we provide a concise overview of the consensus points and controversies resulting from the first conference and prioritize key questions that need to be answered by future research.
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 | 0,094 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,023 | 0,043 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».