Hypomagnesemia and the Risk of New-Onset Diabetes Mellitus after Kidney Transplantation
Notice bibliographique
Résumé
Several studies suggest a link between post-transplant hypomagnesemia and new-onset diabetes after transplantation (NODAT), but this relationship remains controversial. We conducted a retrospective cohort study of 948 nondiabetic kidney transplant recipients from January 1, 2000, to December 31, 2011, to examine the association between serum magnesium level and NODAT. Multivariable Cox proportional hazards models were fitted to evaluate the risk of NODAT as a function of baseline (at 1 month), time-varying (every 3 months), and rolling-average (i.e., mean for 3 months moving at 3-month intervals) serum magnesium levels while adjusting for potential confounders. A total of 182 NODAT events were observed over 2951.2 person-years of follow-up. Multivariable models showed an inverse relationship between baseline serum magnesium level and NODAT (hazard ratio [HR], 1.24 per 0.1 mmol/L decrease; 95% confidence interval [95% CI], 1.05 to 1.46; P=0.01). The association with the risk of NODAT persisted in conventional time-varying (HR, 1.32; 95% CI, 1.14 to 1.52; P<0.001) and rolling-average models (HR, 1.34; 95% CI, 1.13 to 1.57; P=0.001). Hypomagnesemia (serum magnesium <0.74 mmol/L) also significantly associated with increased risk of NODAT in baseline (HR, 1.58; 95% CI, 1.07 to 2.34; P=0.02), time-varying (HR, 1.78; 95% CI, 1.29 to 2.45; P<0.001), and rolling-average models (HR, 1.83; 95% CI, 1.30 to 2.57; P=0.001). Our results suggest that lower post-transplant serum magnesium level is an independent risk factor for NODAT in kidney transplant recipients. Interventions targeting serum magnesium to reduce the risk of NODAT should be evaluated.
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) | 0,000 | 0,000 |
| 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 ».