Predictors of suboptimal and crash initiation of dialysis at two tertiary care centers
Notice bibliographique
Résumé
Many end-stage renal disease patients do not have an optimal start to dialysis. Many patients have suboptimal initiation, while others "crash" start on dialysis without prior care from a nephrologist. We examined factors associated with suboptimal or crash starts. We conducted a retrospective cohort study of 377 incident dialysis patients at two tertiary care centers from January 2006 to April 2011. Logistic regression was used to identify factors associated with suboptimal and crash starts to dialysis. Out of 377 patients, 102 (27%) had optimal starts, 221 (59%) had suboptimal starts, and 54 (14%) had crash starts. Three hundred thirty-four patients (89%) began with hemodialysis, while 11% started with peritoneal dialysis. Factors independently associated with a suboptimal start as opposed to an optimal start included nephrology care more than 12 months prior to initiation of dialysis (odds ratio [OR], 0.26; 95% confidence interval [CI], 0.12-0.58), Charlson Comorbidity Index (OR, 1.25 per 1 point; 95% CI, 1.09-1.43), and age (OR, 1.02 per 1 year; 95% CI, 1.00-1.04). In comparison, diabetic nephropathy (OR, 0.25; 95% CI, 0.12-0.54), a history of pulmonary edema within 6 months prior to initiation of dialysis (OR, 3.70; 95% CI, 1.77-7.75), and a diagnosis of chronic obstructive lung disease (OR, 0.07; 95% CI, 0.01-0.52) were independently associated with a crash start. There was a low incidence of optimal dialysis starts in our tertiary care dialysis population. Our study highlights that suboptimal and crash start patients are distinct populations. Modifying factors that predict nonoptimal dialysis starts will need to consider these distinctions.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».