DCRM 2.0: Multispecialty practice recommendations for the management of diabetes, cardiorenal, and metabolic diseases
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
The spectrum of cardiorenal and metabolic diseases comprises many disorders, including obesity, type 2 diabetes (T2D), chronic kidney disease (CKD), atherosclerotic cardiovascular disease (ASCVD), heart failure (HF), dyslipidemias, hypertension, and associated comorbidities such as pulmonary diseases and metabolism dysfunction-associated steatotic liver disease and metabolism dysfunction-associated steatohepatitis (MASLD and MASH, respectively, formerly known as nonalcoholic fatty liver disease and nonalcoholic steatohepatitis [NAFLD and NASH]). Because cardiorenal and metabolic diseases share pathophysiologic pathways, two or more are often present in the same individual. Findings from recent outcome trials have demonstrated benefits of various treatments across a range of conditions, suggesting a need for practice recommendations that will guide clinicians to better manage complex conditions involving diabetes, cardiorenal, and/or metabolic (DCRM) diseases. To meet this need, we formed an international volunteer task force comprising leading cardiologists, nephrologists, endocrinologists, and primary care physicians to develop the DCRM 2.0 Practice Recommendations, an updated and expanded revision of a previously published multispecialty consensus on the comprehensive management of persons living with DCRM. The recommendations are presented as 22 separate graphics covering the essentials of management to improve general health, control cardiorenal risk factors, and manage cardiorenal and metabolic comorbidities, leading to improved patient outcomes.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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