MétaCan
Menu
Retour à la cohorte
Enregistrement W2157603500 · doi:10.1097/01.asn.0000014251.87778.01

Cumulative Risk for Developing End-Stage Renal Disease in the US Population

2002· article· en· W2157603500 sur OpenAlexaff
Bryce Kiberd, Catherine M. Clase

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationEnd stage renal diseaseLife expectancyProstate cancerDemographyCohortBreast cancerGerontologyDiseaseGynecologyCancerInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The individual risk of developing end-stage renal disease (ESRD) and its overall impact on life expectancy is not known. This study's objectives were to determine the effect of ESRD on life expectancy for a cohort of 20-yr-olds and to compare this impact to that of several cancers for which population-based screening programs exist. A computer simulation, stratified by race (white, black) and by gender was used to calculate cumulative lifetime risk of ESRD, life-years lost to ESRD, and cumulative Medicare payments for ESRD. Similar calculations were made for breast, prostate, and colorectal cancer. The cumulative lifetime risk of ESRD for a 20-yr-old black woman is 7.8%. Equivalent risks for black men are 7.3%, white men 2.5%, and white women 1.8%. Lost years of life attributable to ESRD are 1.09, 1.10, 0.40, and 0.32 yr for black women, black men, white men, and white women, respectively. In blacks, ESRD is responsible for nearly as much loss of life-years as breast cancer in women and more loss of life-years than colorectal or prostate cancer in men. In addition, treatment costs for ESRD in this population are many-fold more expensive than cumulative treatment costs of these cancers. Exploring new screening and treatment strategies may be warranted to prevent ESRD, particularly in the US black 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,245
Tête enseignante GPT0,411
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations145
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of NephrologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207