Clinical epidemiology of parathyroidectomy in hemodialysis patients: The USRDS waves 1, 3, and 4 study
Notice bibliographique
Résumé
Despite advances in the medical management of secondary hyperparathyroidism, parathyroidectomy remains necessary in some end-stage renal disease patients. Observational studies may help with the design of intervention trials. We linked the retrospective Waves 1, 3, and 4 Dialysis Morbidity and Mortality Study datasets to Medicare claims data to identify incident parathyroidectomy in 10,588 Medicare patients receiving hemodialysis in the United States on December 31, 1993. The mean age was 60.0 years, and the mean follow-up 3.6 years. De novo parathyroidectomy incidence was 14.2/1000 patient-years. Considered as quintiles (Q), higher levels of standard bone metabolism variables were associated (p<0.0001) with parathyroidectomy stepwise, such that adjusted hazards ratios (AHR) for Q5 (vs. Q1) were, for calcium (>10.3 mg/dL), 5.09 (3.64-7.10); for phosphorus (>7.5 mg/dL), 2.92 (2.06-4.15); for calcium-phosphorus product (>71 mg2/dL2), 3.32 (2.27-4.85); and for parathyroid hormone (PTH; >480 pg/mL), 13.81 (7.47-25.55). Other antecedent associations included younger age, lower hemoglobin, and longer dialysis vintage, while transplantation, as a time-dependent covariate, was associated with lower hazards ratios. Using interval Poisson analysis, parathyroidectomy was associated with higher mortality risk ratios in the first year, and progressively lower risk ratios subsequently. Demographic variables may modify the risk of parathyroidectomy. Younger patients on long-term hemodialysis may be at a special risk. Parathyroidectomy risk increases stepwise with alterations in bone metabolism variables, suggesting that a single-threshold management approach may not be ideal.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».