Chronic kidney disease screening to reduce cardiovascular risk: a call to action
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
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle