MétaCan
Menu
Retour à la cohorte
Enregistrement W2279530649 · doi:10.2215/cjn.10321014

Risk Prediction for Early CKD in Type 2 Diabetes

2015· article· en· W2279530649 sur OpenAlexaff
Daniela Dunkler, Peggy Gao, Shun Fu Lee, Georg Heinze, Catherine M. Clase, Sheldon W. Tobe, Koon Teo, Hertzel C. Gerstein, Johannes F.E. Mann, Rainer Oberbauer

Notice bibliographique

RevueClinical Journal of the American Society of Nephrology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensSunnybrook Health Science CentreHamilton Health SciencesMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineType 2 diabetesDiabetes mellitusInternal medicineIntensive care medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Quantitative data for prediction of incidence and progression of early CKD are scarce in individuals with type 2 diabetes. Therefore, two risk prediction models were developed for incidence and progression of CKD after 5.5 years and the relative effect of predictors were ascertained. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Baseline and prospective follow-up data of two randomized clinical trials, ONgoing Telmisartan Alone and in combination with Ramipril Global Endpoint Trial (ONTARGET) and Outcome Reduction with Initial Glargine Intervention (ORIGIN), were used as development and independent validation cohorts, respectively. Individuals aged ≥55 years with type 2 diabetes and normo- or microalbuminuria at baseline were included. Incidence or progression of CKD after 5.5 years was defined as new micro- or macroalbuminuria, doubling of creatinine, or ESRD. The competing risk of death was considered as an additional outcome state in the multinomial logistic models. RESULTS: Of the 6766 ONTARGET participants with diabetes, 1079 (15.9%) experienced incidence or progression of CKD, and 1032 (15.3%) died. The well calibrated, parsimonious laboratory prediction model incorporating only baseline albuminuria, eGFR, sex, and age exhibited an externally validated c-statistic of 0.68 and an R(2) value of 10.6%. Albuminuria, modeled to depict the difference between baseline urinary albumin/creatinine ratio and the threshold for micro- or macroalbuminuria, was mostly responsible for the predictive performance. Inclusion of clinical predictors, such as glucose control, diabetes duration, number of prescribed antihypertensive drugs, previous vascular events, or vascular comorbidities, increased the externally validated c-statistic and R(2) value only to 0.69 and 12.1%, respectively. Explained variation was largely driven by renal and not clinical predictors. CONCLUSIONS: Albuminuria and eGFR were the most important factors to predict onset and progression of early CKD in individuals with type 2 diabetes. However, their predictive ability is modest. Inclusion of demographic, clinical, and other laboratory predictors barely improved predictive performance.

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)0,001
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 enseignants0,173
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,049
Tête enseignante GPT0,362
Écart entre enseignants0,313 · 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

Citations139
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Journal of the American Society of NephrologyMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207