Kurzfassung der KDIGO 2022 Clinical Practice Guideline for Diabetes Management in Chronic Kidney Disease (Leitlinie für die klinische Praxis zur Diabetesbehandlung bei chronischer Nierenkrankheit): eine Aktualisierung auf Grundlage neuer Erkenntnisse
Notice bibliographique
Résumé
Die Kidney Disease: Improving Global Outcomes (KDIGO) 2022 Klinische Praxisrichtlinie für die Behandlung des Diabetes bei chronischer Nierenkrankheit (chronic kidney disease, CKD) stellt eine Aktualisierung der KDIGO-Leitlinie 2020 dar. Die Leitlinie richtet sich an eine breite Zielgruppe von Klinikern, die Menschen mit Diabetes und CKD behandeln. Zu den Themenbereichen, deren Empfehlungen auf der Grundlage neuer Erkenntnisse aktualisiert wurden, gehören die Kapitel 1: Umfassende Versorgung von Patienten mit Diabetes und CKD sowie Kapitel 4: Glukosesenkende Therapien bei Patienten mit Typ-2-Diabetes (T2 D) und CKD. Der Inhalt früherer Kapitel zur glykämischen Überwachung und zu den Zielen bei Patienten mit Diabetes und CKD (Kapitel 2), Lebensstilinterventionen bei Patienten mit Diabetes und CKD (Kapitel 3) und Ansätzen für das Management von Patienten mit Diabetes und CKD (Kapitel 5) werden als aktuell erachtet und wurden nicht geändert. Diese aktualisierte Leitlinie wurde nach einem eindeutigen Prozess der Evidenzprüfung und -bewertung entwickelt. Die Behandlungsansätze und Leitlinienempfehlungen basieren auf systematischen Übersichten relevanter Studien und Bewertung der Evidenz-Qualität. Die Stärke der Empfehlungen folgt dem GRADE-Ansatz (Grading of Recommendations Assessment, Development and Evaluation). Die Grenzen der Evidenzen werden erörtert, und es werden Bereiche identifiziert, in denen zusätzliche Forschung erforderlich ist.
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 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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».