Improving the Quality of CKD Care With Risk Prediction and Personalized Recommendations: The GEMINI Project
Notice bibliographique
Résumé
Background: CKD affects 1 in 7 Americans and can lead to progression to dialysis, cardiovascular disease, and early mortality. Effective interventions exist to slow the progression of CKD and prevent heart failure, but implementation remains a challenge, and use of guideline recommended testing and therapies remain low. Routine, complete collection of guideline recommended blood and urine tests allowing accurate risk prediction with personalized treatment recommendations can improve CKD care, when integrated into clinical workflow. Our objective is to implement risk prediction algorithms clinical decision support for identifying patients at risk of CKD progression in 5 large nephrology practices representing more than 100 nephrologists and 100,000 patients with CKD. Methods: Data for estimated glomerular filtration rate, albuminuria, demographics, other laboratory tests and comorbid conditions will be extracted from the electronic health record (EHR). Patients already on dialysis will be excluded. The remaining individuals will be risk stratified using Klinrisk's proprietary risk prediction equations. A dashboard with disease specific educational information, personalized treatment recommendations and links to the EHR's of the identified patients will be created. Results: We will aim to enroll 5 leading large US nephrology practices in the next 12 months. Eligible patients will be identified and quality of care as defined by appropriate testing (proportion of patients with albuminuria testing within 12 months), and appropriate therapy as recommended by the relevant guidelines (RAASi, SGLT2i, and non-steroidal MRA use) will be measured in the pre and post implementation period. Conclusions: A highly accurate machine model for CKD progression when paired with EHR linked clinical decision support will improve testing and management of intermediate and GEMINI high-risk patients with CKD. Larger randomized trials of clinical decision support and practice audit applications will be needed to impact CKD management in primary care. Funding: Commercial Support - Bayer U.S.
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 | 0,049 | 0,048 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».