The Challenge of Diagnosing Atheroembolic Renal Disease
Notice bibliographique
Résumé
BACKGROUND: Atheroembolic renal disease (AERD) is caused by showers of cholesterol crystals released by eroded atherosclerotic plaques. Embolization may occur spontaneously or after angiographic/surgical procedures. We sought to determine clinical features and prognostic factors of AERD. METHODS AND RESULTS: Incident cases of AERD were enrolled at multiple sites and followed up from diagnosis until dialysis and death. Diagnosis was based on clinical suspicion, confirmed by histology or ophthalmoscopy for all spontaneous forms and for most iatrogenic cases. Cox regression was used to model time to dialysis and death as a function of baseline characteristics, AERD presentation (acute/subacute versus chronic renal function decline), and extrarenal manifestations. Three hundred fifty-four subjects were followed up for an average of 2 years. They tended to be male (83%) and elderly (60% >70 years) and to have cardiovascular diseases (90%) and abnormal renal function at baseline (83%). AERD occurred spontaneously in 23.5% of the cases. During the study, 116 patients required dialysis, and 102 died. Baseline comorbidities, ie, reduced renal function, presence of diabetes, history of heart failure, acute/subacute presentation, and gastrointestinal tract involvement, were significant predictors of event occurrence. The risk of dialysis and death was 50% lower among those receiving statins. CONCLUSIONS: Clinical features of AERD are identifiable. These make diagnosis possible in most cases. Prognosis is influenced by disease type and severity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».