SMART Stone Multidisciplinary Team (MDT) and patient care: recommendations for the adult high-risk kidney stone patient pathway
Notice bibliographique
Résumé
PURPOSE: The SMART Stone Multidisciplinary Team (MDT) recommendations aim to provide guidance on the role of the MDT in the early identification, referral and assessment of adult high-risk recurrent kidney stone formers to advance patient care. METHODS: Recommendations were developed by the expert Steering Committee (SC) comprising of three Urologists, one Nephrologist, and two Biochemists/Geneticists from the UK, Spain, Germany, and Italy. These recommendations were voted on by invited specialists via an online survey to determine their level of agreement, from 'strongly agree' to 'strongly disagree'. With an agreement threshold set at ≥ 70%, the SC reviewed the survey results, additional comments, and any areas of disagreement before finalizing the recommendations. RESULTS: A total of 44 recommendations were developed by the SC designed to support the set-up of an ideal MDT. Thirteen core recommendations were chosen as being highest priority and were voted on by 29 invited specialists from 19 countries across Europe, Canada, East Asia, South/Southeast Asia, and the Middle East. All 13 core recommendations reached the ≥ 70% agreement threshold. The remaining 31 recommendations were voted on by those specialists who opted-in to partake in the extended questionnaire. Fifteen specialists provided their responses from 14 different countries. All 31 recommendations reached the ≥ 70% agreement threshold. CONCLUSIONS: An ideal MDT process can achieve comprehensive, high-quality, and coordinated patient care, which is especially useful for patients with complex stone diseases. A high level of agreement was reached in areas relating to the implementation of an ideal MDT in identifying high-risk stone formers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».