MétaCan
Menu
Retour à la cohorte
Enregistrement W4402254753 · doi:10.1093/ndt/gfae127

Global data monitoring systems and early identification for kidney diseases

2024· article· en· W4402254753 sur OpenAlexafffund
Georgina Irish, Fergus Caskey, Mogamat Razeen Davids, Marcello Tonelli, Chih‐Wei Yang, Silvia Arruebo, Sandrine Damster, Jo‐Ann Donner, Vivekanand Jha, Adeera Levin, Masaomi Nangaku, Syed Saad, Feng Ye, Ikechi G. Okpechi, Aminu K. Bello, David W Johnson

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensUniversity of British ColumbiaUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesUniversity of AlbertaInternational Society of Nephrology
Mots-clésMedicineIdentification (biology)Kidney diseaseIntensive care medicineKidneyComputational biologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Data monitoring and surveillance systems are the cornerstone for governance and regulation, planning, and policy development for chronic disease care. Our study aims to evaluate health systems capacity for data monitoring and surveillance for kidney care. METHODS: We leveraged data from the third iteration of the International Society of Nephrology Global Kidney Health Atlas (ISN-GKHA), an international survey of stakeholders (clinicians, policymakers and patient advocates) from 167 countries conducted between July and September 2022. ISN-GKHA contains data on availability and types of kidney registries, the spectrum of their coverage, as well as data on national policies for kidney disease identification. RESULTS: Overall, 167 countries responded to the survey, representing 97.4% of the global population. Information systems in forms of registries for dialysis care were available in 63% (n = 102/162) of countries, followed by kidney transplant registries (58%; n = 94/162), and registries for non-dialysis chronic kidney disease (19%; n = 31/162) and acute kidney injury (9%; n = 14/162). Participation in dialysis registries was mandatory in 57% (n = 58) of countries; however, in more than half of countries in Africa (58%; n = 7), Eastern and Central Europe (67%; n = 10), and South Asia (100%; n = 2), participation was voluntary. The least-reported performance measures in dialysis registries were hospitalization (36%; n = 37) and quality of life (24%; n = 24). CONCLUSIONS: The variability of health information systems and early identification systems for kidney disease across countries and world regions warrants a global framework for prioritizing the development of these systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,074
score de la tête « metaresearch » (Gemma)0,153
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,153
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0010,003
Communication savante0,0060,008
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,308
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207