Darbepoetin Alfa Impact on Health Status in Diabetes Patients with Kidney Disease
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Quality of life (QOL) is markedly impaired in patients with anemia, diabetes mellitus, and chronic kidney disease. Limited data exist regarding the effect of anemia treatment on patient perceptions. The objectives were to determine the longitudinal impact of anemia treatment on quality of life in patients with diabetes and chronic kidney disease and to determine the predictors of baseline and change in QOL. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: In a large, double blind study, patients with type 2 diabetes mellitus, nondialysis chronic kidney disease (estimated GFR, 20 to 60 ml/min per 1.73 m(2)), and anemia (hemoglobin 10.4 g/dl) were randomized to darbepoetin alfa or placebo. QOL was measured with Functional Assessment of Cancer Therapy-Fatigue, Short Form-36, and EuroQol scores over 97 weeks. RESULTS: Patients randomized to darbepoetin alfa reported significant improvements compared with placebo patients in Functional Assessment of Cancer Therapy-Fatigue, and EuroQol scores visual analog scores, persisting through 97 weeks. No consistent differences in Short Form-36 were noted. Consistent predictors of worse change scores include lower activity level, older age, pulmonary disease, and duration of diabetes. Interim stroke had a substantial negative impact on fatigue and physical function. CONCLUSION: Darbepoetin alfa confers a consistent, but small, improvement in fatigue and overall quality of life but not in other domains. These modest QOL benefits must be considered in the context of neutral overall effect and increased risk of stroke in a small proportion of patients. Patient's QOL and potential treatment risk should be considered in any treatment decision.
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 | 0,001 | 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 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 ».