Intensive Home Hemodialysis Results in Regression of Left Ventricular Hypertrophy and Better Clinical Outcomes
Notice bibliographique
Résumé
BACKGROUND: Left ventricular hypertrophy (LVH) is an independent risk factor for mortality and cardiovascular events in patients with end-stage renal disease. Studies have shown that frequent hemodialysis leads to LVH regression, but the impact of left ventricular mass (LVM) regression on clinical outcomes remains unknown. METHODS: This observational cohort study assessed the impact of LVH regression on the composite outcome of time to all-cause mortality, technique failure or cardiovascular hospitalization in patients on home hemodialysis. LVH regression was defined as either a reduction of more than 10% in LVM in patients with LVH at baseline or prevention of LVH in those without LVH at baseline. Risk factors associated with progression of LVM were also examined. RESULTS: We studied 144 intensive hemodialysis patients between 1999 and 2012 with a mean follow-up of 4.7 years. Eighty-seven patients (60.4%) had LVH regression or prevention and 57 patients (39.6%) had LVH progression. In a multivariate analysis, smoking (OR 2.78, 95% CI 1.06-7.36) and presence of LVH at baseline (OR 2.21, 95% CI 1.06-4.59) were significant predictors for LVM progression. Sixteen patients (18.4%) in the regressor group and 19 patients (33.3%) in the progressor group developed the composite end point. When adjusted for age and diabetes, regression was significantly associated with a decreased risk (hazards ratio (HR) 0.42, 95% CI 0.21-0.84) for the composite end point. Regression was also significantly associated with a decreased risk of death in the adjusted analysis (HR 0.20, 95% CI 0.06-0.67). CONCLUSIONS: Regression of LVH with intensive hemodialysis is associated with favorable clinical outcomes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».