Patient and Clinician Perspectives: To Create a Better Future for Chronic Kidney Disease, We Need to Talk About Our Kidneys
Notice bibliographique
Résumé
Chronic kidney disease (CKD) affects more than one in ten people worldwide. However, results from the REVEAL-CKD study suggest that it is often not diagnosed. Many patients are therefore unaware that they have CKD, putting them at increased risk of disease progression and complications. Empowering patients with knowledge about CKD will allow them to become active participants in their own care, driving improvements in diagnosis rates and changing patient outcomes for the better. In this article, we provide patient and clinician perspectives on the importance of early CKD diagnosis and management. We present an overview of the tests commonly used to diagnose CKD in clinical practice, as well as actionable suggestions for patients, clinicians, and health policymakers that could help improve disease detection and treatment. Navdeep Tangri, a nephrologist and epidemiologist at the University of Manitoba, and Jane DeMeis, a patient living with chronic kidney disease, discuss how results from the REVEAL-CKD study highlight the need for change to improve management of chronic kidney disease. Video Abstract (MP4 141866 KB).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,013 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,016 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».