Predictors of Chronic Kidney Disease in Korean Patients with Lupus Nephritis
Notice bibliographique
Résumé
OBJECTIVE: Since chronic kidney disease (CKD) is closely associated with cardiovascular disease and mortality as well as endstage renal disease, prediction of progressive CKD is a clinically important issue. We investigated the independent risk factors for the development of CKD in patients with lupus nephritis (LN). METHODS: The cohort included 322 Korean patients diagnosed with LN between 1985 and 2010. We retrospectively analyzed the clinical and laboratory indices, treatment response, the final renal function, and the biopsy findings. The timing and cumulative risk of developing CKD were identified by Kaplan-Meier methods. The independent risk factors for developing CKD were examined by univariate and multivariate Cox proportional hazards regression analyses. RESULTS: The median followup time after the diagnosis of LN was 84 months. CKD occurs in 22% of the patients within 10 years after the diagnosis of LN. The probability of developing CKD was significantly associated with the onset time of LN (delayed-onset LN vs initial-onset LN; HR 2.904, p = 0.003), deteriorated renal function [an estimated glomerular filtration rate (eGFR) < 60 ml/min/1.73 m(2) body surface area] at the onset of LN (HR 7.458, p < 0.001), relapse of LN after achieving remission (HR 2.806, p = 0.029), and resistance to induction therapy (HR 8.120, p < 0.001). CONCLUSION: Our results demonstrate that delayed-onset LN, a decreased eGFR at the time of LN onset, and the failure to achieve a sustained remission are predictors for the development of CKD in Korean patients with LN.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».