MétaCan
Menu
Retour à la cohorte
Enregistrement W4225275230 · doi:10.1177/08968608221096556

The rationale for the need to study sodium-glucose co-transport 2 inhibitor usage in peritoneal dialysis patients

2022· review· en· W4225275230 sur OpenAlexaff
Megan Borkum, Abeed Jamal, Rajinder Singh, Adeera Levin

Notice bibliographique

RevuePeritoneal Dialysis International · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPeritoneal dialysisMedicineIntensive care medicineDialysisInternal medicineUrology

Résumé

récupéré en direct d'OpenAlex

. However, dialysis patients are at the highest risk of cardiovascular disease and would benefit most from effective cardioprotective therapies. There is emerging evidence from experimental studies and post hoc analyses of randomised clinical trials that SGLT2 inhibitors are well tolerated and may also be effective in preventing cardiovascular and mortality outcomes in patients with severe chronic kidney disease, including patients receiving dialysis. As such, extending the usage of SGLT2 inhibitors to dialysis patients could provide a major advancement in their care. Peritoneal dialysis (PD) patients have an additional unmet need for effective pharmacotherapy to preserve their residual kidney function (RKF), with its associated mortality benefits, and for treatment options that help reduce the risk of transfer to haemodialysis. Experimental data suggest that SGLT2 inhibitors, via various mechanisms, may preserve RKF and protect the peritoneal membrane. There is sound physiological rationale and an urgent clinical need to execute robust randomised control trials to study the use of SGLT2 inhibitors in PD patients to answer important questions of relevance to patients and healthcare systems.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,038
Tête enseignante GPT0,338
Écart entre enseignants0,300 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeritoneal Dialysis InternationalMême sujetDiabetes Treatment and ManagementTravaux en français237 207