Prevalence and Predictive Value of Hypoalbuminemia in Appalachians With Chronic Kidney Disease
Notice bibliographique
Résumé
Background : Chronic kidney disease (CKD) has reached epidemic proportions worldwide and in the United States, racial minorities reach end stage renal disease (ESRD) at a disproportionate rate. A rural state in the heart of Appalachia, West Virginia leads the nation in rates of incident ESRD, despite its predominantly Caucasian population. Characteristics of this racially homogeneous CKD population are herein examined for their impact on progression to ESRD or death. Methods : Retrospective analysis of demographic and clinical information for 4258 patients seen between 2001 and 2010. Associations between risk factors and outcomes were assessed for significance using Cox Proportional Hazards models. Results : Patients with CKD were largely Caucasian (94.3%), 39% diabetic, with a mean age of 60.1 ± 16.7; 39% presented with serum albumin levels ? 3.5 g/dl. Patients with higher albumin levels had better survival and less progression to dialysis than those with lower levels (P < 0.0001). Hypoalbuminemia, hypocalcemia, hyperparathyroidism and anemia independently correlated with reduced survival and more rapid progression to ESRD (P < 0.0001). Compared to those from more affluent counties, patients from poorer counties had lower albumin levels (3.36 ± 0.014 vs 3.68 ± 0.079 gm/dl; P < 0.04) and higher rates of progression to dialysis or death (P < 0.016). Conclusions : In this predominantly Caucasian population of central Appalachia, hypoalbuminemia and residence in a county of low socioeconomic status independently predicted overall survival and progression to dialysis, suggesting that poverty and culture, irrespective of race, warrant further study for their impact on outcomes in patients with CKD. doi:10.4021/wjnu3e
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 | 0,001 |
| 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 ».