Estimated GFR and Fracture Risk
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Although patients with ESRD have a higher fracture risk than the general population, there is conflicting evidence regarding fracture incidence in those with CKD. This study sought to determine the association between estimated GFR (eGFR) and fracture rates. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: This study identified 1,815,943 community-dwelling adults who had at least one outpatient serum creatinine measurement between 2002 and 2008. Patients with eGFR <15 ml/min per 1.73 m(2) and those who required dialysis were excluded. Incident fractures of the hip, wrist, and vertebrae were identified using diagnostic and procedure codes. Poisson regression was used to determine adjusted rates of each fracture type by eGFR, age, and sex. RESULTS: The median age of the cohort was 47 years (interquartile range, 24), and 7.1% had eGFR <60 ml/min per 1.73 m(2). Over a median follow-up of 4.4 years, fracture rates increased with age at all sites. Within each age stratum, unadjusted rates increased with declining eGFR; however, adjusted rates were similar across eGFR categories. For example, among women aged 65-74 years, adjusted hip fracture rates were 3.41 per 1000 person-years (95% confidence interval, 2.30 to 4.53) and 4.58 per 1000 person-years (95% confidence interval, 0.02 to 9.14) in those with eGFR ≥90 and 15-29 ml/min per 1.73 m(2), respectively. Similar results were observed for wrist and vertebral fractures. CONCLUSIONS: In contrast to earlier studies, patients with eGFR<60 ml/min per 1.73 m(2) do not appear to have increased rates of hip, wrist, and vertebral fractures independent of age and sex.
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 | 0,001 |
| 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 ».