Cardiovascular and Noncardiovascular Mortality among Men and Women Starting Dialysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Although women have a survival advantage in the general population, women on dialysis have similar mortality to men. We hypothesized that this paired mortality risk during dialysis may be explained by a relative excess of cardiovascular-related mortality in women. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: We compared 5-year age-stratified cardiovascular and noncardiovascular mortality rates, relative risks, and hazard ratios in a European cohort of incident adult dialysis patients (European Renal Association-European Dialysis and Transplant Association [ERA-EDTA] Registry) with the European general population (Eurostat). Cause of death was recorded by ERA-EDTA codes in dialysis patients and by International Statistical Classification of Diseases codes in the general population. RESULTS: Overall, sex did not have a predictive effect on outcome in dialysis. Stratification into age categories and causes of death showed greater noncardiovascular mortality in young women (<45 years). In other age categories (45 to 55 and >55 years), women presented lower cardiovascular mortality. This cardiovascular benefit was, however, smaller than in the general population. Stratification by diabetic nephropathy showed that diabetic women in all age categories remained at increased mortality risk compared with men, an effect mainly attributed to the noncardiovascular component. CONCLUSIONS: Mortality rates and causes of death in men and women on dialysis vary with age. Increased noncardiovascular mortality may explain the loss of the survival advantage of women on dialysis. Both young and diabetic women starting dialysis are at a higher mortality risk than equal men.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».