Time trends in the association of <scp>ESRD</scp> incidence with area‐level poverty in the <scp>US</scp> population
Notice bibliographique
Résumé
The objective of this study was to examine the temporal trends of the association between area-level poverty status and end-stage renal disease (ESRD) incidence. We hypothesized that the association between area-level poverty status and ESRD incidence has increased significantly over time. Patient data from the United States Renal Data System were linked with data from the 2000 and 2010 US census. Area-level poverty was defined as living in a zip code-defined area with ≥20% of households living below the federal poverty line. Negative binomial regression models were created to examine the association between area-level poverty status and ESRD incidence by time period in the US adult population while simultaneously adjusting for the distribution of age, sex, and race/ethnicity within a zip code. Time was categorized as January 1, 1995 through December 31, 2004 (Period 1) and January 1, 2005 through December 31, 2010 (Period 2). The percentage of adults initiating dialysis with area-level poverty increased from 27.4% during Period 1 to 34.0% in Period 2. After accounting for the distribution of age, sex, and race/ethnicity within a zip code, area-level poverty status was associated with a 1.24 (95% confidence interval [CI] 1.22, 1.25)-fold higher ESRD incidence. However, this association differed by time period with 1.04-fold (95% CI 1.02, 1.05) higher ESRD incidence associated with poverty status for Period 2 compared with the association between ESRD and poverty status in Period 1. Area-level poverty and its association with ESRD incidence is not static over time.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».