Predicting the risk of hyperkalemia in patients with chronic kidney disease starting lisinopril
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Angiotensin-converting enzyme (ACE) inhibitors are recommended for patients with chronic kidney disease (CKD) because they slow disease progression. But physicians' concerns about the risk of hyperkalemia (elevated serum potassium level), a potentially fatal adverse effect, may limit optimal management with ACE-inhibitors. We synthesized known predictors of hyperkalemia into a prognostic risk score to predict the risk of hyperkalemia. METHODS: We assembled a retrospective cohort of adult patients with possible CKD (at least one estimated glomerular filtration rate (eGFR) value less than 60 ml/min/1.73 m(2)) who started an ACE-inhibitor (i.e., incident users) between 1998 and 2006 at a health maintenance organization. We followed patients for hyperkalemia: (1) potassium value >5.5 mmol/L; or (2) diagnosis code for hyperkalemia. Cox regression synthesized a priori predictors recorded in the electronic medical record into a risk score. RESULTS: We followed 5171 patients and 145 experienced hyperkalemia, a 90-day risk of 2.8%. Predictors included: age, eGFR, diabetes, heart failure, potassium supplements, potassium-sparing diuretics, and a high dose for the ACE-inhibitor (lisinopril). The risk score separated high-risk patients (top quintile, observed risk of 6.9%) from low-risk patients (bottom quintile, observed risk of 0.7%). Predicted and observed risks agreed within 1% for each quintile. The risk increased gradually in relation to declining eGFR with no apparent threshold for contraindicating ACE-inhibitors. CONCLUSIONS: The risk score separated high-risk patients (who may need more intensive laboratory monitoring) from low-risk patients. The risk score should be validated in other populations before it is ready for use in clinical practice.
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.
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 | 0,002 |
| 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 | 0,001 |
| 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 découle