2020 American College of Rheumatology Guideline for the Management of Gout
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
Objective To provide guidance for the management of gout, including indications for and optimal use of urate‐lowering therapy ( ULT ), treatment of gout flares, and lifestyle and other medication recommendations. Methods Fifty‐seven population, intervention, comparator, and outcomes questions were developed, followed by a systematic literature review, including network meta‐analyses with ratings of the available evidence according to the Grading of Recommendations Assessment, Development and Evaluation ( GRADE ) methodology, and patient input. A group consensus process was used to compose the final recommendations and grade their strength as strong or conditional. Results Forty‐two recommendations (including 16 strong recommendations) were generated. Strong recommendations included initiation of ULT for all patients with tophaceous gout, radiographic damage due to gout, or frequent gout flares; allopurinol as the preferred first‐line ULT , including for those with moderate‐to‐severe chronic kidney disease ( CKD ; stage > 3); using a low starting dose of allopurinol (≤100 mg/day, and lower in CKD ) or febuxostat ( < 40 mg/day); and a treat‐to‐target management strategy with ULT dose titration guided by serial serum urate ( SU ) measurements, with an SU target of <6 mg/dl. When initiating ULT , concomitant antiinflammatory prophylaxis therapy for a duration of at least 3–6 months was strongly recommended. For management of gout flares, colchicine, nonsteroidal antiinflammatory drugs, or glucocorticoids (oral, intraarticular, or intramuscular) were strongly recommended. Conclusion Using GRADE methodology and informed by a consensus process based on evidence from the current literature and patient preferences, this guideline provides direction for clinicians and patients making decisions on the management of gout.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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