MétaCan
Menu
Retour à la cohorte
Enregistrement W6963819033 · doi:10.25384/sage.c.7202350

Pathways for Diagnosing and Treating CKD-Associated Pruritus: A Narrative Review

2024· other· en· W6963819033 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrative reviewNarrativeQuality of life (healthcare)MEDLINEKidney diseaseDiseaseDistressingHealth careBest practice

Résumé

récupéré en direct d'OpenAlex

Purpose of Review:Chronic kidney disease (CKD)-associated pruritus is a common, persistent, and distressing itch experienced by patients across the CKD spectrum. Although the disorder is associated with adverse outcomes and poor health-related quality of life, it remains underdiagnosed and undertreated. The purpose of this narrative review is to offer health care providers guidance on how to effectively identify, assess, and treat patients with CKD-associated pruritus, with the goal of reducing symptom burden and improving patient-important outcomes, such as quality of life (QoL).Sources of Information:A panel of nephrologists and researchers from across Canada and the United States was assembled to develop this narrative review based on the best available data, current treatment guidelines, and their clinical experiences.Methods:A panel of nephrologists who actively care for patients with pruritus receiving dialysis from across Canada was assembled. Two researchers from the United States were also included based on their expertise in the diagnosis and management of CKD-associated pruritus. Throughout Spring 2023, the panel met to discuss key topics in the identification, assessment, and management of CKD-associated pruritus. Panel members subsequently developed summaries of the pertinent information based on the best available data, current treatment guidelines, and added information on their own clinical experiences. In all cases, approval of the article was sought and achieved through discussion.Key Findings:This narrative review provides pragmatic guidance addressing: (1) methods for screening CKD-associated pruritus, (2) assessing severity, (3) management of CKD-associated pruritus, and (4) suggested areas for future research. The panel developed a 3-pillar framework for proactive assessment and severity scoring in CKD-aP: systematic screening for CKD-associated pruritus (pillar 1), assessment of pruritus intensity (pillar 2), and understanding the impact of CKD-associated pruritus on the patient’s QoL (pillar 3). Management of CKD-associated pruritus can include ensuring optimization of dialysis adequacy, achieving mineral metabolism targets (ie, calcium, phosphate, and parathyroid hormone). However, treatment of CKD-associated pruritus usually requires additional interventions. Patients, regardless of CKD-associated pruritus severity, should be counseled on adequate skin hydration and other non-pharmacological strategies to reduce pruritus. Antihistamines should be avoided in favor of evidence-based treatments, such as difelikefalin and gabapentin.Limitations:A formal systematic review (SR) of the literature was not undertaken, although published SRs were reviewed. The possibility for bias based on the experts’ own clinical experiences may have occurred. Key takeaways are based on the current available evidence, of which head-to-head clinical trials are lacking.Funding:This work was funded by an arm’s length grant from Otsuka Canada Pharmaceutical Inc. (the importer and distributer of difelikefalin in Canada). LiV Medical Education Agency Inc. provided logistical and editorial support.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,109
Tête enseignante GPT0,383
Écart entre enseignants0,275 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207