Telemonitoring in hypertension management for patients with chronic kidney disease: a narrative review
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
Hypertension is a major cause of cardiovascular disease worldwide and a major cause of morbidity and mortality in patients with chronic kidney disease (CKD). The Systolic Blood pressure Intervention Trial (SPRINT) demonstrated that blood pressure (BP) measurement techniques may have an impact on the achievement of outcomes. Home BP monitoring (HBPM) has several advantages over office BP recordings, including avoidance of white-coat reaction, ability to diagnose white-coat and masked hypertension, detection of BP variability, and better ability to predict cardiovascular morbidity and mortality, all of which commonly occur in CKD. The addition of telemonitoring and management support to HBPM allows remote monitoring, especially when close contact is difficult (e.g., patients in remote/rural areas, pandemic, natural disaster, or patients treated with home dialysis). Although there are few studies that have assessed the efficacy of home BP telemonitoring (HBPT) in patients with CKD, these studies suggest the benefits of HBPT for BP control and even limited evidence that it may improve kidney function. This review, using limited available evidence, assesses the roles of HBPT in patients with CKD, barriers to HBPT implementation in the care of patients with CKD, and discusses newer technologies that can be leveraged in the management of hypertension in patients with CKD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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