Comprendre le parcours de soins et la gestion de la maladie rénale chronique stades précoce à modéré : une revue systématique de la littérature des années 2000 à 2022 dans les pays à revenus élevés, données de l’Océanie et du Canada
Notice bibliographique
Résumé
Context: Chronic Kidney Disease (CKD) is common, with its incidence and prevalence continually increasing. Its management has become a public health concern to delay progression to end-stage and alleviate the burden it places on patients and the healthcare system. Our objective was to describe and synthesize the care pathway and management of CKD at early to moderate stages to optimize patient care. We used a systematic literature review methodology through a project named ChroKiDEL for "Chronic Kidney Disease Early stage Literature review."Materials and methods: we searched databases including PubMed, Embase, Cochrane, PdQ Evidence, and KT+ from the years 2000 to 2022 to identify studies concerning the care pathway and/or management of ambulatory patients over 18 years old with early to moderate CKD. The studies involved primary, secondary, and/or tertiary care in high-income countries. Two evaluators independently performed article selection meeting our inclusion criteria, data extraction, and evaluation of study quality. Identified studies were classified into subgroups by country.Results: the results of this review focused only on data from Canada and Oceania. 16 studies were included. Gaps were identified in early-stage CKD screening and recognition, care coordination, management of medication therapies, and urinary screening of risk factors. Quality improvement initiatives were proposed, such as online clinical pathways or selfmanagement interventions to support general practitioners in their care coordination role and involve patients in their own care. Conclusion: optimal CKD care relies on an interaction between self-management and primary care, supported by secondary and tertiary care. While quality improvement initiatives are necessary to optimize patient care and follow guidelines, a patient-centered, individualized, and preventive approach is crucial.
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 | 0,024 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,018 | 0,025 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».