Cardiovascular Assessment of Diabetic End-Stage Renal Disease Patients Before Renal Transplantation
Notice bibliographique
Résumé
BACKGROUND: Although consensus guidelines for preoperative cardiovascular (CV) assessment exist, diabetic patients with renal insufficiency (DM/RI) undergoing assessment for renal transplantation are a unique high-risk group that remains poorly investigated. METHODS: A consecutive cohort of DM/RI patients being assessed for renal transplantation was studied. We analyzed the ability of clinical characteristics and noninvasive investigation to predict significant coronary artery disease (CAD) and incidence of major adverse CV events. RESULTS: Baseline characteristics (n = 280) are as follows: mean age 48.6 years (± 11.5 standard deviation), 66% men, diabetes duration 22.6 years (mean ± 8.9 standard deviation), 92% hypertension, 46% hypercholesterolemia, 24% family history CAD, and 21% known CAD. Abnormal myocardial perfusion imaging was found in 27.8%, and 56.5% had CAD more than or equal to 50%. Although positive myocardial perfusion imaging was the only independent predictor of CAD (odds ratio 7.18, 95% confidence interval 2.98-17.3), a poor negative predicted value was observed with normal imaging in 50.3% of patients having CAD more than or equal to 50%, 35.4% CAD more than 70%, and 41.8% Duke angiographic score more than or equal to 4. At mean follow up of 4 years (median 3.9), 76 of 280 patients suffered major adverse cardiovascular events including 17% mortality. Angiographic evidence of CAD (≥ 70% odds ratio 1.81, 95% confidence interval 1.02-3.23) was the only independent predictor of major adverse cardiac events. CONCLUSION: DM/RI patients being assessed for renal transplantation have frequent CV risk factors, high likelihood of CAD, and a 28% incidence of major adverse cardiac events after 4 years. Myocardial perfusion imagining is of little clinical utility as a screening tool for CAD in this population. Only angiographic CAD was predictive of subsequent major adverse cardiac events. Further studies of risk stratification and revascularization in this high-risk population are warranted.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».