Prevalence of Anemia in the Nursing Home: Contribution of Chronic Kidney Disease
Notice bibliographique
Résumé
OBJECTIVES: To assess the independent contribution of chronic kidney disease (CKD) and age to anemia in older nursing home residents. DESIGN: Retrospective. SETTING: Skilled nursing facility. PARTICIPANTS: Nursing home residents with records in the Beverly Healthcare Data Warehouse who were admitted to a nursing home between January 1, 2002, and December 31, 2003; were alive as of January 31, 2004; and had hemoglobin and serum creatinine (SCr) values available for analysis. MEASUREMENTS: Prevalence of anemia (hemoglobin <13 g/dL for men and <12 g/dL for women) and CKD (estimated glomerular filtration rate <60 mL/min per 1.73 m(2), according to Modification of Diet in Renal Disease criteria) and the contribution of CKD and age to the prevalence of anemia. RESULTS: Six thousand two hundred resident records were analyzed (70% female, 85% Caucasian). Overall, 59.6% of residents were anemic, and 43.1% had CKD, and residents with CKD were more likely to have anemia (64.9% with vs 55.7% without CKD; odds ratio (OR)=1.47, 95% confidence interval (CI)=1.33-1.63). Although older age was associated with lower hemoglobin values primarily in residents without CKD (Spearman rank correlation coefficient (r)=-0.10, P<.001), age had no association with hemoglobin in CKD (Spearman r=0.01, P=.60). The greater risk of anemia in the presence of CKD persisted in each age category (OR=2.07, 95% CI=1.53-2.80, aged 65-74; OR=1.44, 95% CI=1.21-1.70, aged 75-84; and OR=1.35, 95% CI=1.15-1.57, aged > or =85). CONCLUSION: Overall, these results suggest that CKD contributes more strongly than older age to the high prevalence of anemia in older nursing home residents.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».