2024 American College of Rheumatology (<scp>ACR</scp>) Guideline for the Screening, Treatment, and Management of Lupus Nephritis
Notice bibliographique
Résumé
OBJECTIVE: The objective is to provide evidence-based and expert guidance for the screening, treatment, and management of lupus nephritis. METHODS: The Core Team developed clinical questions for screening, treatment, and management of lupus nephritis using the PICO format (population, intervention, comparator, and outcome). Systematic literature reviews were completed for each PICO question, and the Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology was used to assess the quality of evidence and to formulate recommendations. The Voting Panel achieved a consensus ≥70% on the direction (for or against) and strength (strong or conditional) of each recommendation. RESULTS: We present 28 graded recommendations (7 strong, 21 conditional) and 13 ungraded, consensus-based good practice statements for the screening and management of lupus nephritis. Our recommendations focus on the unifying principle that lupus nephritis therapy is continuous and ongoing, rather than consisting of discrete induction/initial and maintenance/subsequent therapies. Therapy should include pulse glucocorticoids followed by oral glucocorticoid taper and two additional immunosuppressive agents for 3-5 years for those achieving complete renal response. CONCLUSION: This guideline provides direction for clinicians regarding screening and treatment decisions for management of lupus nephritis. These recommendations should not be used to limit or deny access to therapies, as treatment decisions may vary due to the unique clinical situation and personal preferences of each individual patient.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».