KDIGO 2024 clinical practice guideline on evaluation and management of chronic kidney disease: A primer on what pharmacists need to know
Notice bibliographique
Résumé
PURPOSE: To review the key updates in the 2024 KDIGO clinical practice guideline for the evaluation and management of chronic kidney disease (CKD) and highlight the essential role of pharmacists in implementing these recommendations. SUMMARY: The updated guideline introduces significant changes in CKD management, including the use of validated equations for estimating glomerular filtration rate (GFR) for drug dosing, with incorporation of serum cystatin C into GFR estimates for specific patient populations, and an emphasis on a comprehensive approach to delay disease progression. The guideline recommends sodium-glucose cotransporter 2 inhibitor (SGLT2i) therapy for kidney disease with proteinuria, with or without diabetes, renin-angiotensin-aldosterone system inhibitors (RAASi) blood pressure control and proteinuria management, and statins to reduce the risk of atherosclerotic cardiovascular disease. New evidence supports the use of finerenone in patients with type 2 diabetes and CKD, and GLP-1 receptor agonists for their kidney-protective effects. The guidelines also emphasize the importance of nephrotoxin stewardship and prevention of acute kidney injury through patient education on sick day medication management. CONCLUSION: Pharmacists play a crucial role in implementing these updated guidelines through comprehensive medication management, nephrotoxin stewardship, drug dosing adjustments, and patient education. Their involvement in interprofessional care teams is essential for optimizing health outcomes in patients with CKD.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».