Kurzfassung der KDIGO 2022 Clinical Practice Guideline for Diabetes Management in Chronic Kidney Disease (Leitlinie für die klinische Praxis zur Diabetesbehandlung bei chronischer Nierenkrankheit): eine Aktualisierung auf Grundlage neuer Erkenntnisse
Bibliographic record
Abstract
Die Kidney Disease: Improving Global Outcomes (KDIGO) 2022 Klinische Praxisrichtlinie für die Behandlung des Diabetes bei chronischer Nierenkrankheit (chronic kidney disease, CKD) stellt eine Aktualisierung der KDIGO-Leitlinie 2020 dar. Die Leitlinie richtet sich an eine breite Zielgruppe von Klinikern, die Menschen mit Diabetes und CKD behandeln. Zu den Themenbereichen, deren Empfehlungen auf der Grundlage neuer Erkenntnisse aktualisiert wurden, gehören die Kapitel 1: Umfassende Versorgung von Patienten mit Diabetes und CKD sowie Kapitel 4: Glukosesenkende Therapien bei Patienten mit Typ-2-Diabetes (T2 D) und CKD. Der Inhalt früherer Kapitel zur glykämischen Überwachung und zu den Zielen bei Patienten mit Diabetes und CKD (Kapitel 2), Lebensstilinterventionen bei Patienten mit Diabetes und CKD (Kapitel 3) und Ansätzen für das Management von Patienten mit Diabetes und CKD (Kapitel 5) werden als aktuell erachtet und wurden nicht geändert. Diese aktualisierte Leitlinie wurde nach einem eindeutigen Prozess der Evidenzprüfung und -bewertung entwickelt. Die Behandlungsansätze und Leitlinienempfehlungen basieren auf systematischen Übersichten relevanter Studien und Bewertung der Evidenz-Qualität. Die Stärke der Empfehlungen folgt dem GRADE-Ansatz (Grading of Recommendations Assessment, Development and Evaluation). Die Grenzen der Evidenzen werden erörtert, und es werden Bereiche identifiziert, in denen zusätzliche Forschung erforderlich ist.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.065 | 0.037 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".