Effect of erythropoietin levels on mortality in old age: the Leiden 85-plus Study
Notice bibliographique
Résumé
BACKGROUND: The production of erythropoietin is triggered by impaired oxygen delivery to the kidney, either because of anemia or hypoxemia. High erythropoietin levels have been shown to predict the risk of death among patients with chronic heart failure. We investigated the prognostic value of elevated erythropoietin levels on mortality among very elderly people in the general population. METHODS: The Leiden 85-plus Study is a population-based prospective follow-up study involving 599 people aged 85 years in Leiden, the Netherlands, enrolled between September 1997 and September 1999. Erythropoietin levels were determined at age 86. For this analysis, we included 428 participants with a creatinine clearance of at least 30 mL/min. Mortality data, recorded until Feb. 1, 2008, were obtained from the municipal registry. RESULTS: During follow-up, 324 (75.7%) participants died. Compared with participants whose erythropoietin levels were in the lowest tertile (reference group), those whose levels were in the middle tertile had a 25% increased risk of death (hazard ratio [HR] 1.25, 95% confidence interval [CI] 0.95-1.64), and those whose levels were in the highest tertile had a 73% increased risk (HR 1.73, 95% CI 1.32-2.26) (p value for trend < 0.01). The association between erythropoietin levels and mortality remained largely unchanged after we adjusted for sex, creatinine clearance, hemoglobin level, comorbidity, smoking status and C-reactive protein level, and was similar for deaths from cardiovascular and noncardiovascular causes. INTERPRETATION: Among people aged 85 years and older, elevated erythropoietin levels were associated with an increased risk of death, independent of hemoglobin levels.
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 | 0,004 | 0,003 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».