Predictors of Loss of Residual Renal Function among New Dialysis Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Residual renal function (RRF) in end-stage renal disease is clinically important as it contributes to adequacy of dialysis, quality of life, and mortality. This study was conducted to determine the predictors of RRF loss in a national random sample of patients initiating hemodialysis and peritoneal dialysis. The study controlled for baseline variables and included major predictors. The end point was loss of RRF, defined as a urine volume <200 ml/24 h at approximately 1 yr of follow-up. The adjusted odds ratios (AOR) and P values associated with each of the demographic, clinical, laboratory, and treatment parameters were estimated using an "adjusted" univariate analysis. Significant variables (P < 0.05) were included in a multivariate logistic regression model. Predictors of RRF loss were female gender (AOR = 1.45; P < 0.001), non-white race (AOR = 1.57; P = <0.001), prior history of diabetes (AOR = 1.82; P = 0.006), prior history of congestive heart failure (AOR = 1.32; P = 0.03), and time to follow-up (AOR = 1.06 per month; P = 0.03). Patients treated with peritoneal dialysis had a 65% lower risk of RRF loss than those on hemodialysis (AOR = 0.35; P < 0.001). Higher serum calcium (AOR = 0.81 per mg/dl; P = 0.05), use of an angiotensin-converting enzyme inhibitor (AOR = 0.68; P < 0.001). and use of a calcium channel blocker (AOR = 0.77; P = 0.01) were independently associated with decreased risk of RRF loss. The observations of demographic groups at risk and potentially modifiable factors and therapies have generated testable hypotheses regarding therapies that may preserve RRF among end-stage renal disease patients.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle