Prevalence of Low Glomerular Filtration Rate in Nondiabetic Americans
Notice bibliographique
Résumé
End-stage renal disease is an important and costly health problem. Strategies for its prevention are urgently needed. Knowledge of the population-based prevalence of renal insufficiency in nondiabetic adults would inform such strategies. Black and white nondiabetic adult participants in the Third National Health and Nutrition Examination Survey were analyzed. The analysis was stratified by age, gender, and race, and four clinically applicable methods were used to assess renal function. There were 13,251 complete records for analysis. By the Modification of Diet in Renal Diseases (MDRD) GFR (GFR) prediction Equation 7, 58% (95% confidence interval [CI], 56 to 60%) of the total adult nondiabetic black and white US population had MDRD GFR below 80 ml/min per 1.73m(2), 13% (95% CI, 11 to 14%) below 60 ml/min per 1.73m(2), and 0.26% (95% CI, 0.19 to 0.33%) below 30 ml/min per 1.73m(2). By the Cockcroft-Gault formula, the equivalent figures were 39% (95% CI, 37 to 41%), 14% (95% CI, 12% - 16%), and 0.81% (95% CI, 0.46 to 1.2%), respectively. The findings of an unexpectedly high prevalence of low clearance and the increased prevalence of low clearance with age were consistent across the four clearance estimation methods used and for each race-sex stratum. The absolute magnitude of the prevalence of low clearance was, however, dependent on the clearance method used. Assessed by estimation from serum creatinine, low clearance may be very common, particularly with advancing age. The prognosis (in terms of risk for progression and end-stage renal disease) of low clearance in unreferred populations may differ from that in referred populations and requires further study.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».