AACC/NKF Guidance Document on Improving Equity in Chronic Kidney Disease Care
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: Kidney disease (KD) is an important health equity issue with Black, Hispanic, and socioeconomically disadvantaged individuals experiencing a disproportionate disease burden. Prior to 2021, the commonly used estimated glomerular filtration rate (eGFR) equations incorporated coefficients for Black race that conferred higher GFR estimates for Black individuals compared to non-Black individuals of the same sex, age, and blood creatinine concentration. With a recognition that race does not delineate distinct biological categories, a joint task force of the National Kidney Foundation and the American Society of Nephrology recommended the adoption of the CKD-EPI 2021 race-agnostic equations. CONTENT: This document provides guidance on implementation of the CKD-EPI 2021 equations. It describes recommendations for KD biomarker testing, and opportunities for collaboration between clinical laboratories and providers to improve KD detection in high-risk populations. Further, the document provides guidance on the use of cystatin C, and eGFR reporting and interpretation in gender-diverse populations. SUMMARY: Implementation of the CKD-EPI 2021 eGFR equations represents progress toward health equity in the management of KD. Ongoing efforts by multidisciplinary teams, including clinical laboratorians, should focus on improved disease detection in clinically and socially high-risk populations. Routine use of cystatin C is recommended to improve the accuracy of eGFR, particularly in patients whose blood creatinine concentrations are confounded by processes other than glomerular filtration. When managing gender-diverse individuals, eGFR should be calculated and reported with both male and female coefficients. Gender-diverse individuals can benefit from a more holistic management approach, particularly at important clinical decision points.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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