Vascular stiffness in incident peritoneal dialysis patients over time
Notice bibliographique
Résumé
OBJECTIVE: Vascular stiffness is prevalent in end-stage renal disease patients and predicts adverse events. This study describes the prevalence of vascular stiffness and its associated factors in a cohort of incident peritoneal dialysis (PD) patients. METHODS: In a prospective observational study of 50 patients, carotid-femoral pulse wave velocity (PWV) were conducted at baseline, 3, 6 and 12 months after initiation of PD. Aortic calcification scores (ACS) were derived using plain lateral abdominal films. We examined the association of significant changes in PWV (defined as 1 m/s or 15% change from baseline) over 6 months in conjunction with demographic and clinical data. RESULTS: The mean age was 58 years, 67% were male, and 48% were Caucasian. One third was diabetic, and 23% had pre-existing cardiovascular disease. Median eGFR was 8.7 ml/ min. ACS was strongly correlated with PWV (r = 0.62, p < 0.0001). Over 6 months, 42% demonstrated significant increases, while 23% demonstrated decreases in their PWV. Factors shown to be associated with increasing PWV were Caucasian race (OR = 4.50; CI: 0.97 - 20.83), higher phosphate (OR = 8.36; CI: 1.10 - 63.51) and a lower baseline PWV (OR = 0.67; CI: 0.45 - 0.99). Decrease in PWV was associated with the absence of calcium based phosphate binder usage (OR = 0.11; CI: 0.02 - 0.73). Changes in weight and PWV at 12 months were significantly correlated (p = 0.007, r = 0.57). CONCLUSION: In this group of incident PD patients, we demonstrate a lower prevalence of vascular calcification than in hemodialysis patients, a correlation of calcification with PWV, and an important finding that PWV can change in either direction over a short period of time, which are associated with modifiable risk factors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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 ».