Investigating the global prevalence and consequences of undiagnosed stage 3 chronic kidney disease: methods and rationale for the REVEAL-CKD study
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
Background: Timely diagnosis and treatment of stage 3 chronic kidney disease (CKD) can prevent further loss of kidney function and progression to kidney failure. However, contemporary data on the global prevalence of undiagnosed stage 3 CKD are scarce. REVEAL-CKD is a multinational, multifocal and observational study aiming to provide insights into undiagnosed stage 3 CKD in a large population. Methods: , recorded >90 and ≤730 days apart. Undiagnosed cases are those without an International Classification of Diseases 9/10 diagnosis code for CKD (any stage) any time before and up to 6 months after the second qualifying eGFR measurement. Time to diagnosis will be assessed using a Kaplan-Meier approach; patient characteristics associated with undiagnosed CKD will be assessed using adjusted logistical regression analyses. Results: REVEAL-CKD will assess the point prevalence of undiagnosed stage 3 CKD and time to CKD diagnosis in initially undiagnosed cases overall and in individual countries. Trends in undiagnosed CKD prevalence by calendar year will be assessed. Patient characteristics, healthcare resource utilization, adverse clinical outcomes, and CKD management and monitoring practices in patients with versus without a CKD diagnosis will be compared. Conclusions: REVEAL-CKD will increase awareness of the global clinical and economic burden of undiagnosed stage 3 CKD and provide valuable insights to inform clinical practice and policy changes.
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 | 0,003 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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