Factors Associated With Fibrate-Induced Creatinine Elevation: Observations in an Outpatient Setting
Notice bibliographique
Résumé
Background: A reversible rise in creatinine with fibrates has been previously documented. However, this phenomenon remains poorly understood with no associated factors described. We wished to study changes seen in creatinine following fibrate therapy in a routine outpatient setting and identify related risk factors. Methods: Data was collected from the records of patients started on fibrates (n = 132) in the lipid clinic at Good Hope Hospital, Sutton Coldfield between 2002 and 2008. Pre and post-fibrate creatinine concentrations were obtained from the pathology database. Creatinine was measured using the Jaffe method on the Roche modular P Unit. Results: Fenofibrate was used in 117 (88.6%) patients while the remaining 15 patients were on bezafibrate. Creatinine increased from a mean of 81.9 (sd = 17.3, median = 83, range: 33 - 127) umol/L to 93.8 (sd = 20.4, median = 91, range: 52 - 143) umol/L following fibrate treatment. Regression analyses showed that male gender (coefficient = 6.64 (95% CI: 0.99/12.29), P = 0.022), pre-treatment creatinine concentration (coefficient = -0.20 (95% CI: -0.35/-0.046), P = 0.011), diabetes (coefficient = -6.37 (95% CI: -12.36/-0.38), P = 0.037) and change in TG (coefficient: -1.02, 95% CI -1.39/-0.65, P <= 0.001) were significantly associated with creatinine change. All the above remained significant when entered into a multiple regression model suggesting independence. Conclusions: This study confirms that creatinine increased in our group of patients when fibrates were commenced. Further studies are required to confirm and further explore our findings. doi:10.4021/wjnu27w
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».