MétaCan
Menu
Retour à la cohorte
Enregistrement W4414827190 · doi:10.1016/j.ekir.2025.09.037

Expanding Kidney Care: How Nonphysician Health Workers Can Address the Global CKD Crisis

2025· article· en· W4414827190 sur OpenAlexaff
C. Elena Cervantes, Daniel V. O’Hara, Ana Catalina Álvarez-Elías, Yogeshni Chandra, Marek Kollár, Tae Won Yi, Rasha H. Hussein, Mythri Shankar, Priti Meena, Becky Mingyao, Chimezie Okwuonu, Vivekanand Jha

Notice bibliographique

RevueKidney International Reports · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity Health Network
Organismes subventionnairesInternational Society of Nephrology
Mots-clésWorkforceKidney diseaseNephrologyHealth careHealthcare deliveryMEDLINE

Résumé

récupéré en direct d'OpenAlex

The current global nephrology workforce is insufficient to meet the increasing burden of chronic kidney disease (CKD) and kidney failure. Nonphysician health workers (NPHWs) may be well-placed to fill the gap and deliver guideline-aligned care. We review the range of NPHW categories and care models that could be enlisted in different health care settings; the range of contributions that could be made for CKD prevention, education, screening, management, and monitoring; the existing and required resources to support NPHWs; and technological advancements that can help alleviate the workload. Through analysis of collaborative approaches and existing alternative care delivery models, we aimed to provide insights into how such programs can be successfully implemented to augment the existing health workforce to deliver effective care and improve outcomes of people with and at risk of developing kidney disease worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,292
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetHealthcare Systems and ReformsTravaux en français237 207