Chronic kidney disease screening to reduce cardiovascular risk: a call to action
Notice bibliographique
Résumé
Chronic kidney disease (CKD) has a high global prevalence, affecting around 1 in 7 adults in the United States; however, most adults with CKD are unaware that they have the condition. Diagnosis and treatment of CKD is essential due to the associated increased morbidity and mortality, including increased risk of cardiovascular disease (CVD) and heart failure. Importantly, people with CKD are more likely to die from CVD than progress to end-stage kidney disease. Dual evaluation of estimated glomerular filtration rate (eGFR) and urinary albumin-to-creatinine ratio (UACR) is essential to determine the level of risk and to guide appropriate treatment. Although abnormalities in both eGFR and UACR can be modifiable risk factors for CKD progression and adverse CV outcomes, there is evidence of underuse of this dual screening for CKD. However, for patients with diagnosed CKD, striking reductions in cardiorenal risk may be achieved by combining appropriate evidence-based therapies. Current approaches to management of CKD involve the use of multiple therapies that target different pathological pathways to reduce cardiorenal risk. Therefore, we raise a call to action to improve the standard of care for early diagnosis and management of CKD, to minimize the risk of disease progression and complications, reduce CV risk, and ultimately improve patient outcomes. Alongside primary care clinicians, cardiologists can also lead the way for preventive efforts and implementation of guideline-directed therapies that can reduce the risk of both CKD progression and adverse CV outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,033 | 0,043 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».