Risk Factors Associated with Patency Loss of Hemodialysis Vascular Access within 6 Months
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Clinical guidelines support vascular access surveillance to detect access dysfunction and alter the clinical course by radiologic or surgical intervention. The objective of this study was to explore the association between loss of primary functional patency within 6 months of first use and demographic and clinical characteristics of patients receiving chronic renal replacement therapy with arteriovenous fistulas. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: This was a retrospective study of all chronic hemodialysis patients followed by the Southern Alberta Renal Program from January 1, 2005 to June 30, 2008. Demographic and clinical variables and initial intra-access blood flow (IABF) were compared between those with and without loss of primary functional patency. To determine the contribution of independent variables to the dependant variable of loss of primary functional patency, a multivariable analysis using logistic regression was performed. RESULTS: The incidence of primary failure was 10% (81 of 831). Multivariable analysis found that older age (>65 years, odds ratio [OR] 3.6, P < 0.001), history of diabetes (OR 2.3, P = 0.007), history of smoking (OR 4.3, P < 0.001), presence of forearm fistulas (OR 4.0, P < 0.001), and low initial IABF (<500 ml/min, OR 29, P < 0.001) were independently associated with loss of primary patency. CONCLUSIONS: The set of patient risk factors identified in this study, particularly initial IABF, can be used to identify patients who are most at risk for developing vascular access failure and to guide a more directed approach for a vascular access screening protocol.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».