MétaCan
Menu
Retour à la cohorte
Enregistrement W4406791714 · doi:10.34067/kid.0000000708

Identifying Research Priorities for Cognition in CKD

2025· article· en· W4406791714 sur OpenAlexafffund
Jamie Alexiuk, Oksana Harasemiw, Jessica Vanderlinden, D Verrelli, Brett Tarca, David Collister, Heitor S. Ribeiro, Bonnie Corradetti, Kevin Fowler, Fabio Manfredini, Mara McAdams‐DeMarco, Nadia M. Chu, Shilpanjali Jesudason, Clare McKeaveney, Silvia J. Leon, Urmila Anandh, James Tollitt, Stephanie Thompson, Indranil Dasgupta, Clara Bohm

Notice bibliographique

RevueKidney360 · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversity of AlbertaOrthopaedic Innovation CentreWestern UniversityUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRespondentSnowball samplingCognitionLikert scalePsychologyMedicinePsychological interventionQualitative researchDelphi methodClinical psychologyFamily medicineNursingPsychiatryDevelopmental psychologyPathology

Résumé

récupéré en direct d'OpenAlex

Key Points Cognitive impairment is prevalent in CKD, affecting quality of life, self-management, and decision-making. It worsens with disease progression. This Delphi study engaged diverse stakeholders to identify 27 critical research questions on cognitive impairment in CKD for future focus. Top priorities include preventing cognitive decline, preserving cognition, routine monitoring, and adjusting dialysis treatment to reduce cognitive impairment. Background Cognition is a research priority for people living with CKD, but identification of critical research questions is lacking. This study aimed to determine which cognition-related research questions are most important to CKD stakeholders. Methods A modified Delphi technique with three survey rounds was used. The study sample included three panels ( People with lived CKD experience, Researchers, and Clinicians ) recruited through international patient and kidney research networks, kidney societies, and snowball sampling with email invitations. Survey rounds were distributed electronically through Research Electronic Data Capture. In round 1 (October 2021–May 2022), respondents contributed three important research questions regarding cognition in CKD (free text). After deduplication and qualitative synthesis, respondents ranked the importance of these questions on a nine-point Likert scale in round 2 (February–April 2023). Questions with mean and median ratings of >7 by at least two respondent panels or rated critically important by the lived experience panel were reranked in round 3 (August–September 2023) and assessed for consensus to identify the final list of priority research questions. Results Respondents ( n =152) identified 125 and 44 discrete questions after rounds 1 and 2, respectively. The final shortlist included 27 questions in eight categories. The most critical research question identified was “What factors prevent cognitive impairment in people receiving dialysis?” Overall, respondents prioritized questions focusing on prevention and treatment of cognitive impairment. Scores between the panels were significantly different for 16 questions. Those with lived CKD experience prioritized quality of life, researchers emphasized developing interventions to mitigate cognitive impairment, and clinicians prioritized the effect of CKD treatment on cognitive impairment. Conclusions Through an established consensus methodology involving key stakeholder groups, we identified 27 critical research questions about cognition in CKD. These questions should guide future study design and outcome selection.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,165
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,480
Écart entre enseignants0,379 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney360Même sujetDementia and Cognitive Impairment ResearchTravaux en français237 207