Understanding Antihypertensive Medication Use after Living Kidney Donation through Linked National Registry and Pharmacy Claims Data
Notice bibliographique
Résumé
BACKGROUND: Use of antihypertensive medications (AHM) after living kidney donation is not well described. METHODS: We examined a database wherein national transplant registry data for 4,650 living kidney donors in 1987-2007 were linked to pharmacy claims from a US private health insurer (2000-2007 claims) to identify post-donation AHM fills. Cox regression with left- and right-censoring was used to estimate the frequencies and relative likelihood (adjusted hazards ratios, aHR) of post-donation AHM fills according to donor demographic traits. Medication possession ratio (MPRs), defined as (days of AHM dispensed)/(days observed), were also compared among donors and non-donor general beneficiaries. RESULTS: Overall, 17.8% of the sample filled at least one AHM by 5 years post-donation. As compared with White living donors, African-Americans had 37% higher relative likelihood of any AHM use after donation (aHR 1.37, p < 0.0007), including significantly higher likelihoods of filling diuretics (aHR 2.25, p < 0.0001), ACEi/ARBs (aHR 1.46, p < 0.01), calcium channel blockers (aHR 1.56, p = 0.03), and vasodilators/other agents (aHR 2.17, p = 0.03). MPRs for any AHM and subcategories were lower among donors compared with age- and sex-matched non-donors. However, AHM MPRs rose in donors with multiple hypertension diagnoses, and prescription fill exposure for all AHM classes except diuretics was similar among donors and general non-donors with ≥ 3 hypertension diagnoses. CONCLUSIONS: While AHM requirements are lower after kidney donation than among unscreened general persons, racial variation in AHM use occurs in privately insured donors. Demonstration of pharmaceutical care needs of insured donors supports the need for long-term follow-up and healthcare access for all donors.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».