Incidence and outcomes of acute kidney injury in a referred chronic kidney disease cohort
Notice bibliographique
Résumé
BACKGROUND: Whilst chronic kidney disease (CKD) has been identified as a risk factor for the development of acute kidney injury (AKI), little has been published about the incidence and outcomes of those acute injuries on chronic stable kidney disease and even less in a referred cohort of CKD patients followed up by nephrologists. METHODS: We followed up 6862 patients registered as CKD in British Columbia, Canada for a median time of 19.4 months after they achieved an estimated glomerular filtration rate (eGFR) value < or =30 mL/min/1.73 m(2). AKI was defined as a decrease in eGFR of > or =25% compared to a moving baseline eGFR within 25 days. RESULTS: Of the CKD patients, 44.9% had at least one AKI episode. Crude incidence rate for a first AKI event was 34.8 per 100 person-years. Older age [adjusted relative risks (RR) = 0.93 by 10 years, 95% confidence intervals (CI) = 0.90, 0.95] was associated with a lower risk of AKI. Of the patients, 15.3% died before dialysis and 18.1% initiated dialysis. AKI was associated with both a higher risk of death (adjusted RR = 2.32, 95% CI = 2.04, 2.64) and an increased risk of dialysis (adjusted RR = 2.33, 95% CI = 2.07, 2.61). CONCLUSIONS: In a referred CKD population, AKI was a frequent event and associated with higher risks of dialysis and mortality. The incidence of AKI appears to be less with older age in this population. Quantification of AKI incidence and its risk factors in different populations is important for clinicians and planners, so that appropriate identification, prevention and treatment strategies can be tested.
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 | 0,001 | 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 ».