Derivation and validation of a clinical index for prediction of rapid progression of kidney dysfunction
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
BACKGROUND: Chronic kidney disease is common among the elderly, and these patients are at risk of progressive kidney dysfunction. AIM: To develop an index to predict rapid progression of kidney dysfunction. DESIGN: Community-based cohort divided into derivation (n = 6789) and validation (n = 3395) subsets. METHODS: We identified 10 184 subjects aged >/=66 years from computerized laboratory data. Prescription drug data was used to define disease categories and medication exposure, and an index for predicting rapid progression of kidney dysfunction (> or =25% decline in glomerular filtration rate over a 2-year period) was obtained from a logistic regression model in the derivation cohort. The risk score for each subject was calculated by summing the component variables together, which were subsequently categorized into five risk classes. RESULTS: Five predictors of rapid progression were identified: age >75 years, cardiac disease, diabetes mellitus, gout, and use of anti-emetic medications. Rates of rapid progression for risk classes I through V were 8.6%, 10.9%, 13.9%, 15.6%, and 24.1%, respectively, for the derivation cohort, and 8.4%, 11.6%, 15.5%, 17.3%, 21.9%, respectively, for the validation cohort. The risk index distinguished between low and high risk of rapid progression, with a 2.5-fold greater risk for the highest, compared to the lowest, risk decile. DISCUSSION: Readily available clinical data can be used to identify most elderly at risk of rapid progression of kidney dysfunction. This simple index could help clinicians to identify patients at risk, and implement strategies to slow the progression of kidney dysfunction.
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 | 0,001 |
| 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