MétaCan
Menu
← Retour à la cohorte
Enregistrement W1997427436 · doi:10.1093/eurheartj/eht308.p916

Development and validation of a new chronic kidney disease risk equation: the role of pulse pressure

2013· article· en· W1997427436 sur OpenAlexaff
Rajeev Ayyagari, Francis Vekeman, Elizabeth Faust, S.H. Ong, Alex Trahey, Patrick Lefèbvre, Gerardo Machnicki, Mei Sheng Duh

Notice bibliographique

RevueEuropean Heart Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney diseaseBlood pressurePulse pressureDiabetes mellitusPopulationInternal medicineRisk factorMedical recordConfidence intervalIntensive care medicineCardiologyEndocrinologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Purpose: Chronic kidney disease (CKD) is a major cause of morbidity and, with a prevalence of about 10% in most developed countries, represents a major burden for healthcare systems. Interventions currently target known risk factors for CKD including diabetes, cardiac comorbidities, and hypertension (HTN). Recent evidence suggests that pulse pressure (PP), defined as the difference between systolic blood pressure (SBP) and diastolic blood pressure (DBP), may be associated with CKD. This study aims to develop and validate a new CKD risk equation assessing PP as a potential risk factor. Methods: Electronic medical records (01/2004-05/2012), including laboratory data, of a random sample of 97,237 hypertensive patients from a large US integrated healthcare delivery system were analyzed. Patients were required to have ≥6 months of observation (baseline period) and no record of CKD prior to the first evidence of HTN (index date), defined either as 2 visits with a diagnosis of HTN (ICD-9: 401 - 405) or 1 visit for HTN following a high BP reading (SBP ≥140 mmHg or DBP ≥90 mmHg). CKD was defined using ICD-9 250.4, 403, 404, 585, 586, 588. The study population was randomly split into a development sample (2/3 of the sample) to identify the optimal CKD risk equation and a validation sample (1/3 of the sample) to validate its performance. Cox proportional hazards models were used to assess time to first CKD event based on baseline risk factors, including PP, age, gender, SBP, smoking status, BMI, diabetes, and cardiac comorbidities. Selection of the optimal model was based on the least absolute shrinkage and selection operator (LASSO). Performance of the risk equation was measured by the c-statistic. Results: Among the 34,915 eligible patients, 4,665 developed CKD (mean age 67.0; 47% male) and 30,250 did not (mean age 58.2, 48% male). Average observation was 3.90 years. PP was significantly higher among patients who developed CKD (mean [SD] PP, CKD: 62.5 [17.6] mmHg; non-CKD: 58.1 [16.4] mmHg, p<0.001). The best performing risk equation (c-statistic, development: 0.736; validation: 0.735) included PP (hazard ratio per mmHg increase: 1.0076, p<0.001) as a significant risk factor for CKD in addition to age, diabetes, and cardiac comorbidities among others. Conclusions: This study shows that greater pulse pressure is a significant predictive factor for increased CKD risk and is a better predictor than the traditional markers of SBP or DBP. Pulse pressure should be considered by practitioners along with other traditional risk factors when monitoring patients as well as in treatment strategies to prevent CKD.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,025
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,267
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal→Même sujetBlood Pressure and Hypertension Studies→Travaux en français237 207→