Cause of Death in Patients with Reduced Kidney Function
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Information on common causes of death in people with CKD is limited. We hypothesized that, as eGFR declines, cardiovascular mortality and mortality from infection account for increasing proportions of deaths. We calculated eGFR using the CKD Epidemiology Collaboration equation for residents of Alberta, Canada who died between 2002 and 2009. We used multinomial logistic regression to estimate unadjusted and age- and sex-adjusted differences in the proportions of deaths from each cause according to the severity of CKD. Cause of death was classified as cardiovascular, infection, cancer, other, or not reported using International Classification of Diseases codes. Among 81,064 deaths, the most common cause was cancer (31.9%) followed by cardiovascular disease (30.2%). The most common cause of death for those with eGFR≥60 ml/min per 1.73 m(2) and no proteinuria was cancer (38.1%); the most common cause of death for those with eGFR<60 ml/min per 1.73 m(2) was cardiovascular disease. The unadjusted proportion of patients who died from cardiovascular disease increased as eGFR decreased (20.7%, 36.8%, 41.2%, and 43.7% of patients with eGFR≥60 [with proteinuria], 45-59.9, 30-44.9, and 15-29.9 ml/min per 1.73 m(2), respectively). The proportions of deaths from heart failure and valvular disease specifically increased with declining eGFR along with the proportions of deaths from infectious and other causes, whereas the proportion of deaths from cancer decreased. In conclusion, we found an inverse association between eGFR and specific causes of death, including specific types of cardiovascular disease, infection, and other causes, in this cohort.
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.
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) | 0,000 | 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 | 0,000 |
| 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 découle