Renal Dysfunction in Patients With Heart Failure With Preserved Versus Reduced Ejection Fraction
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
BACKGROUND: Prior studies in heart failure (HF) have used the Modification of Diet in Renal Disease (MDRD) equation to calculate estimated glomerular filtration rate (eGFR). The Chronic Kidney Disease-Epidemiology Collaboration Group (CKD-EPI) equation provides a more-accurate eGFR than the MDRD when compared against the radionuclide gold standard. The prevalence and prognostic import of renal dysfunction in HF if the CKD-EPI equation is used rather than the MDRD is uncertain. METHODS AND RESULTS: We used individual patient data from 25 prospective studies to stratify patients with HF by eGFR using the CKD-EPI and the MDRD equations and examined survival across eGFR strata. In 20 754 patients (15 962 with HF with reduced ejection fraction [HF-REF] and 4792 with HF with preserved ejection fraction [HF-PEF]; mean age, 68 years; deaths per 1000 patient-years, 151; 95% CI, 146-155), 10 589 (51%) and 11 422 (55%) had an eGFR <60 mL/min using the MDRD and CKD-EPI equations, respectively. Use of the CKD-EPI equation resulted in 3760 (18%) patients being reclassified into different eGFR risk strata; 3089 (82%) were placed in a lower eGFR category and exhibited higher all-cause mortality rates (net reclassification improvement with CKD-EPI, 3.7%; 95% CI, 1.5%-5.9%). Reduced eGFR was a stronger predictor of all-cause mortality in HF-REF than in HF-PEF. CONCLUSIONS: Use of the CKD-EPI rather than the MDRD equation to calculate eGFR leads to higher estimates of renal dysfunction in HF and a more-accurate categorization of mortality risk. Renal function is more closely related to outcomes in HF-REF than in HF-PEF.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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