Assessing the Quality of Care for People with CKD: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Effective strategies for managing CKD are available, but the extent to which implementation of these strategies is consistent with guideline recommendations is uncertain. We aimed to synthesize available data on the quality of CKD care globally. Methods: EMBASE, PubMed, and CINAHL were systematically searched (inception–2023) for observational studies reporting on the quality of CKD care across domains related to patient monitoring (eGFR, albuminuria), appropriate medication use (ACEIs, ARBs, statins, NSAIDs), and treatment targets (BP, HbA1c) according to management recommendations in international CKD guidelines. Pooled estimates (95% CI) of the percentage of patients who met the quality indicators for CKD care were obtained using random effects meta-analysis. Results: 58 studies across 22 countries, including a total of 2,969,039 patients with CKD, were included. The reporting of and adherence to quality indicators for CKD care varied substantially across the included studies (Figure 1). Summary estimates of the percentage of CKD patients who met key indicators showed that (1) eGFR was monitored in 81% (75–87%) of patients, albuminuria in 47% (40–54%) and BP in 90% (84–95%); (2) ACEIs/ARBs were prescribed in 56% (51–62%), statins in 56% (48–64%), and NSAIDs withheld in 81% (77–86%) and (3) a BP target of ≤140/90 mmHg was achieved in 56% (48–64%) patients. Conclusion: Current evidence suggests substantial variation in the reporting and quality of CKD care. Concordance with guideline recommendations varied across quality indicators and patient groups, with opportunities for considerable improvement, particularly albuminuria testing. Effective quality improvement strategies to address gaps in CKD care, along with systematic approaches for monitoring care quality, are needed.Figure 1: Forest plot summarising the percentage of patients with CKD who met the quality indicators for CKD care
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 | 0,028 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,052 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».