Overcoming Renalism: A Roadmap Towards Equitable Kidney Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Renalism, the exclusion of CKD patients from diagnostic and therapeutic interventions due to concerns about kidney injury, remains a barrier to equitable healthcare. Originally identified in cardiovascular disease (CVD) care, renalism extends to hypertension management, oncology, critical care, and emerging treatments such as COVID-19 therapies. Despite their elevated cardiovascular mortality risk, CKD patients are underrepresented in clinical trials and often denied life-saving interventions like percutaneous coronary interventions (PCIs) and intensive blood pressure management due to concerns about AKI, often overestimated without proper risk stratification. Both industry-sponsored and investigator-initiated trials frequently exclude CKD patients, especially those with advanced disease or on dialysis, due to challenges such as higher adverse event rates, increased mortality risk, difficulty demonstrating treatment benefits, and logistical burdens. Concerns over nephrotoxicity, drug dosing, and necessary dose adjustments further complicate their inclusion. This exclusion limits evidence-based treatment options, reinforcing disparities in care and compromising health equity, a fundamental pillar of the United Nations’ Sustainable Development Goals (SDGs). Addressing renalism requires a collaborative effort from clinicians, researchers, regulatory agencies, and the pharmaceutical industry. Expanding CKD representation in clinical trials, spanning critical care, oncology, and emerging therapies, will help counteract therapeutic nihilism and improve patient outcomes. By fostering inclusivity in research and clinical decision-making, the medical community can move toward universal health equity and optimized care for all, including the vulnerable CKD population.
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.
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 | 0,001 |
| 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) | 0,001 | 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 découle