Using Hemoglobin A1c to Derive Mean Blood Glucose in Peritoneal Dialysis Patients
Notice bibliographique
Résumé
<b><i>Background:</i></b> Although hemoglobin A1c (HbA1c) has been widely used as a clinical assessment tool for outcome analyses related to glycemic control, the relationship between HbA1c and average blood glucose (BG) specific to peritoneal dialysis (PD) patients with diabetes has not been characterized. We sought to develop HbA1c-BG equation models for PD patients. <b><i>Methods:</i></b> We examined associations between HbA1c and random serum BG values over time in a contemporary 5-year (2001-2006) cohort of DaVita PD patients with diabetes. We identified 850 patients (mean age: 58 ± 13 years, 56% male) with 4,566 paired measurements of HbA1c and BG. The bootstrapping method was used to estimate average BG and corresponding HbA1c. <b><i>Results:</i></b> Linear regression analyses yielded the following HbA1c-BG equations: (1) BG (mg/dl) = 24.1 + 28.6 × HbA1c - 12.2 × albumin [adjusted R<sup>2</sup> (R<sup>2</sup><sub>adj</sub> = 0.454)], (2) BG = 55.3 + 28.8 × HbA1c - 10.2 × albumin - 3.3 × Hb (R<sup>2</sup><sub>adj</sub> = 0.457), and (3) BG = 69.5 + 28.7 × HbA1c - 10.1 × albumin - 3.7 × Hb - 0.1 × age + race/ethnicity (-10.1 African Americans, -5.4 other race/ethnicities; R<sup>2</sup><sub>adj</sub> = 0.457). All models showed greater explanatory power of BG variation than previously established HbA1c-BG equation models defined within non-PD cohorts [R<sup>2</sup><sub>adj</sub> = 0.446 for both the Diabetes Control and Complications Trial (DCCT) and the A1c-Derived Average Glucose (ADAG) equations]. <b><i>Conclusions:</i></b> The association between HbA1c and BG in PD patients is different than that of patients with normal kidney function. Our analysis suggests that equations incorporating serum albumin and/or Hb values better estimate the HbA1c-BG relationship in PD patients compared to equations using HbA1c alone.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».