Cardiovascular Disease Risk Factors and Left Ventricular Hypertrophy in Girls and Boys With CKD
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Prior studies suggested that women with CKD have higher risk for cardiovascular disease (CVD) and mortality than men, although putative mechanisms for this higher risk have not been identified. We assessed sex differences in (1) CVD risk factors and left ventricular hypertrophy (LVH), and (2) the relationship of left ventricular mass (LVM) with different measures of body size in children with CKD. DESIGN, SETTING, PARTICIPANTS, AND MEASUREMENTS: >95th percentile and LVM relative to estimated lean body mass (eLBM) >95th percentile for age and sex. Differences in LVM by sex were assessed by adjusting for age, weight, height, and eLBM using bivariate and multivariate regression models. RESULTS: Girls were less likely to have uncontrolled hypertension (26% versus 38%, P=0.001), had lower diastolic BP z-scores (+0.3 versus +0.6, P=0.001), and had lower prevalence of high triglycerides (38% versus 47%, P=0.03) compared with boys. When LVH was defined by LVM indexed to height, girls had higher prevalence of LVH (16% versus 9%, P=0.01); when LVH was defined by LVM relative to eLBM, prevalence of LVH was similar between girls and boys (18% versus 17%, P=0.92). In regression models adjusting for eLBM, no sex differences in LVM were observed. CONCLUSIONS: Despite lack of increased prevalence of CVD risk factors, indexing LVM to height showed a higher proportion of LVH among girls, while estimates of LVH based on eLBM showed no sex differences. Indexing LVM to eLBM may be an alternative to height indexing in children with CKD.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».