Deprescribing in chronic kidney disease: An essential component of comprehensive medication management
Notice bibliographique
Résumé
Chronic kidney disease (CKD) is categorized by abnormalities of kidney structure or a sustained reduction (for greater than 3 months) in estimated glomerular filtration rate to less than 60 mL/min/1.73 m2 and/or 2 of 3 urine albumin creatinine ratio measures of 30 mg/g (3 mmol/L) or higher.1 The prevalence of CKD in the US and Canada is 14% (35.5 million) and 12.5% (4 million), respectively.2-8 This corresponds to an estimated 1 in 7 Americans and 1 in 10 Canadians with CKD.2-8 Individuals with advanced CKD receiving kidney replacement therapy have a high medication burden, taking a mean (SD) of 12 (5) medications per day.9-12 Multiple comorbidities, advanced age, and polypharmacy are common in individuals with CKD.9-14 Polypharmacy refers to taking 5 or more medications on a regular basis as well as any inappropriate choices and doses of medications.15 Approximately 70% to 80% of individuals with CKD are prescribed 5 or more medications13,16 and receive a mean (SD) of 5.37 (2.83) potentially inappropriate medications (PIMs).17 Given the potential for adverse consequences associated with polypharmacy, ongoing assessment of medications is crucial. This review aims to highlight the consequences of polypharmacy in individuals with CKD, including those with end-stage kidney disease (ESKD), and provide medication optimization strategies, using deprescribing approaches to enhance medication management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».