Use of Cardioprotective Medications in Kidney Transplant Recipients
Notice bibliographique
Résumé
Death with function causes half of late kidney transplant failures, and cardiovascular disease (CVD) is the most common cause of death in these patients. We examined the use of potentially cardioprotective medications in a prospective observational study at seven transplant centers in the United States and Canada. Among 935 patients, 87% received antihypertensive medications at both 1 and 6 months after transplantation. Similar antihypertensive regimens were used for patients with and without diabetes and CVD, but with wide variability among centers. In contrast, while 44% of patients were on angiotensin converting enzyme inhibitors (ACEI) or angiotensin receptor blockers (ARB) at the time of transplantation, the proportion taking these agents dropped to 12% at month 1, then increased to 24% at 6 months. Fewer than 30% with CVD or diabetes received ACEI/ARB therapy 6 months posttransplant. Aspirin use was uncommon (<40% of patients). Even among those with diabetes and/or CVD, fewer than 60% received aspirin and only half received a statin at 1 and 6 months. This study demonstrates marked variability in the use of cardioprotective medications in kidney transplant recipients, a finding that may reflect, among several possible explanations, clinical uncertainty due the lack of randomized trials for these medications in this population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».