The relationship between laboratory‐based outcome measures and mortality in end‐stage renal disease: A systematic review
Notice bibliographique
Résumé
Despite data that traditional laboratory-based outcome measures in dialysis are improving over time, population-based data indicate that mortality rates are not improving in parallel. With increased focus on performance measures based on laboratory-based outcomes (e.g., hematocrit, albumin, and parathyroid hormone), less emphasis has been placed on other markers, some of which may be stronger predictors of mortality. We performed a systematic review to interpret the predictive value of laboratory-based outcome measures in dialysis. We identified studies with data regarding the predictive value of laboratory-based outcomes for mortality in dialysis. We calculated the sample size-weighted pooled relative risk of death with dichotomized "high" vs. "low" levels of each measure. We rank-ordered predictors by scaling the pooled relative risk of each measure by its pooled standard deviation. There were 5171 titles, of which 128 (representing 44 laboratory-based outcomes) were selected. Nine were significantly associated with mortality, in order of decreasing scaled effect size: (1) tumor necrosis factor-alpha, (2) hematocrit, (3) interleukin-6, (4) troponin T, (5) Kt/V(urea), (6) prealbumin, (7) urea reduction ratio, (8) serum albumin, and (9) C-reactive protein. Other oft-cited measures such as calcium phosphate product and parathyroid hormone were not significantly associated with mortality in pooled analysis. Quality improvement efforts to improve traditional laboratory-based outcomes in end-stage renal disease are necessary, but likely insufficient, to improve overall mortality in dialysis. Renewed consideration of cardiovascular, inflammatory, and nutritional markers that are especially strong predictors of mortality may have important implications for risk stratification and targeted therapeutic interventions.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».