Proteinuria, impaired kidney function, and adverse outcomes in people with coronary disease: analysis of a previously conducted randomised trial
Notice bibliographique
Résumé
OBJECTIVES: To determine whether data on proteinuria are useful for refining estimates of risk based on kidney function alone, and whether the results of kidney function tests can be a useful adjunct to data on proteinuria. DESIGN: Analysis of data from a randomised trial. Impaired kidney function was defined as low glomerular filtration rate (< 60 ml/min/1.73 m2) and proteinuria (> or = 1+ protein) on dipstick urinalysis. SETTING: Study of cholesterol and recurrent events: a randomised trial of pravastatin 40 mg daily versus placebo. PARTICIPANTS: 4098 men and women with previous myocardial infarction. MAIN OUTCOME MEASURES: All cause mortality and cardiovascular events. RESULTS: 371 participants died in nearly 60 months of follow-up. Compared with participants without proteinuria or impaired kidney function, patients with both characteristics were at high risk (hazard ratio 2.39, 95% confidence interval 1.72 to 3.30), and those with only proteinuria or only impaired kidney function were at intermediate risk (1.69, 1.32 to 2.16; 1.41, 1.12 to 1.79, respectively) of dying from any cause. The results were similar for cardiovascular outcomes, including new cases of heart failure, stroke, and coronary death or non-fatal myocardial infarction. A graded increase in the risk of all cause mortality was seen for severity of renal impairment and degree of proteinuria by dipstick. CONCLUSIONS: The presence or absence of proteinuria on dipstick urinalysis may be used to refine estimates of risk based on kidney function 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 ».