MétaCan
Menu
Retour à la cohorte
Enregistrement W4298086900 · doi:10.1001/jamanetworkopen.2022.29442

Consensus-Based Recommendations on Priority Activities to Address Acute Kidney Injury in Children

2022· article· en· W4298086900 sur OpenAlexaff
Stuart L. Goldstein, Ayse Akcan‐Arikan, Rashid Alobaidi, David J. Askenazi, Sean M. Bagshaw, Matthew Barhight, Erin F. Barreto, Benan Bayrakçı, O. N. Ray Bignall, Erica C. Bjornstad, Patrick D. Brophy, Rahul Chanchlani, Jennifer R. Charlton, Andrea L. Conroy, Akash Deep, Prasad Devarajan, Kristin Dolan, Dana Y. Fuhrman, Katja M. Gist, Stephen M. Gorga, Jason H. Greenberg, Denise Hasson, E Ulrich, Arpana Iyengar, Jennifer G. Jetton, Catherine D. Krawczeski, Leslie Meigs, Shina Menon, Jolyn Morgan, Catherine Morgan, Theresa Mottes, Tara M. Neumayr, Zaccaria Ricci, David T. Selewski, Danielle E. Soranno, Michelle C. Starr, Natalja L. Stanski, Scott M. Sutherland, Jordan M. Symons, Marcelo de Sousa Tavares, Molly Wong Vega, Michael Zappitelli, Claudio Ronco, Ravindra L. Mehta, John A. Kellum, Marlies Ostermann, Rajit K. Basu

Notice bibliographique

RevueJAMA Network Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensHospital for Sick ChildrenMcMaster UniversityAlberta Health
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésAcute kidney injuryMedicineDelphi methodObservational studyIntensive care medicineStrengthening the reporting of observational studies in epidemiologyMEDLINEEpidemiologyFamily medicinePolitical sciencePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: Increasing evidence indicates that acute kidney injury (AKI) occurs frequently in children and young adults and is associated with poor short-term and long-term outcomes. Guidance is required to focus efforts related to expansion of pediatric AKI knowledge. Objective: To develop expert-driven pediatric specific recommendations on needed AKI research, education, practice, and advocacy. Evidence Review: At the 26th Acute Disease Quality Initiative meeting conducted in November 2021 by 47 multiprofessional international experts in general pediatrics, nephrology, and critical care, the panel focused on 6 areas: (1) epidemiology; (2) diagnostics; (3) fluid overload; (4) kidney support therapies; (5) biology, pharmacology, and nutrition; and (6) education and advocacy. An objective scientific review and distillation of literature through September 2021 was performed of (1) epidemiology, (2) risk assessment and diagnosis, (3) fluid assessment, (4) kidney support and extracorporeal therapies, (5) pathobiology, nutrition, and pharmacology, and (6) education and advocacy. Using an established modified Delphi process based on existing data, workgroups derived consensus statements with recommendations. Findings: The meeting developed 12 consensus statements and 29 research recommendations. Principal suggestions were to address gaps of knowledge by including data from varying socioeconomic groups, broadening definition of AKI phenotypes, adjudicating fluid balance by disease severity, integrating biopathology of child growth and development, and partnering with families and communities in AKI advocacy. Conclusions and Relevance: Existing evidence across observational study supports further efforts to increase knowledge related to AKI in childhood. Significant gaps of knowledge may be addressed by focused efforts.

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)0,110
score de la tête « metaresearch » (Gemma)0,245
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: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,581

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1100,245
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,009
Bibliométrie0,0110,007
Études des sciences et des technologies0,0040,003
Communication savante0,0080,009
Science ouverte0,0110,012
Intégrité de la recherche0,0180,017
Charge utile insuffisante (le modèle a refusé de juger)0,0170,009

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 Opus0,032
Tête enseignante GPT0,371
Écart entre enseignants0,338 · 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
GenreMéthodes

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

En bref

Citations144
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAcute Kidney Injury ResearchTravaux en français237 207