MétaCan
Menu
Retour à la cohorte
Enregistrement W1964223287 · doi:10.1371/journal.pmed.1001750

Sex-Specific Differences in Hemodialysis Prevalence and Practices and the Male-to-Female Mortality Rate: The Dialysis Outcomes and Practice Patterns Study (DOPPS)

2014· article· en· W1964223287 sur OpenAlexafffundabout
Manfred Hecking, Brian Bieber, Jean Éthier, Alexandra Kautzky‐Willer, Gere Sunder–Plassmann, Marcus D. Säemann, Brenda W. Gillespie, Ronald L. Pisoni, Bruce Robinson, Friedrich K. Port

Notice bibliographique

RevuePLoS Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesKyowa Hakko KirinFresenius Medical Care North AmericaSanofiAbbVieKidney Foundation of CanadaAmgen
Mots-clésMedicineHemodialysisDialysisMortality ratePopulationProportional hazards modelKidney diseaseDemographyEnd stage renal diseaseProspective cohort studyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A comprehensive analysis of sex-specific differences in the characteristics, treatment, and outcomes of individuals with end-stage renal disease undergoing dialysis might reveal treatment inequalities and targets to improve sex-specific patient care. Here we describe hemodialysis prevalence and patient characteristics by sex, compare the adult male-to-female mortality rate with data from the general population, and evaluate sex interactions with mortality. METHODS AND FINDINGS: We assessed the Human Mortality Database and 206,374 patients receiving hemodialysis from 12 countries (Australia, Belgium, Canada, France, Germany, Italy, Japan, New Zealand, Spain, Sweden, the UK, and the US) participating in the international, prospective Dialysis Outcomes and Practice Patterns Study (DOPPS) between June 1996 and March 2012. Among 35,964 sampled DOPPS patients with full data collection, we studied patient characteristics (descriptively) and mortality (via Cox regression) by sex. In all age groups, more men than women were on hemodialysis (59% versus 41% overall), with large differences observed between countries. The average estimated glomerular filtration rate at hemodialysis initiation was higher in men than women. The male-to-female mortality rate ratio in the general population varied from 1.5 to 2.6 for age groups <75 y, but in hemodialysis patients was close to one. Compared to women, men were younger (mean = 61.9 ± standard deviation 14.6 versus 63.1 ± 14.5 y), were less frequently obese, were more frequently married and recipients of a kidney transplant, more frequently had coronary artery disease, and were less frequently depressed. Interaction analyses showed that the mortality risk associated with several comorbidities and hemodialysis catheter use was lower for men (hazard ratio [HR] = 1.11) than women (HR = 1.33, interaction p<0.001). This study is limited by its inability to establish causality for the observed sex-specific differences and does not provide information about patients not treated with dialysis or dying prior to a planned start of dialysis. CONCLUSIONS: Women's survival advantage was markedly diminished in hemodialysis patients. The finding that fewer women than men were being treated with dialysis for end-stage renal disease merits detailed further study, as the large discrepancies in sex-specific hemodialysis prevalence by country and age group are likely explained by factors beyond biology. Modifiable variables, such as catheter use, showing significant sex interactions suggest interventional targeting. Please see later in the article for the Editors' Summary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,644

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,337
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations287
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetDialysis and Renal Disease ManagementTravaux en français237 207