Interaction of Serum Phosphate with Age as Predictors of Cardiovascular Risk Scores in Stable Renal Transplant Recipients
Notice bibliographique
Résumé
Abstract We calculated rate of changes in the cardiovascular risk calculator for renal transplant recipients (CRCRTR) major adverse cardiac events (MACE) in clinically stable renal transplant recipients (RTRs) to identify covariables that associate with fast cardiovascular (CV) risk progression. CRCRTR-MACE scores were calculated on 139 patients in 2011 and 2014. Score changes above and below median changes in scores were labeled fast or slow CV risk progression. Multivariate analysis (MVA) was performed to identify variables significant to percentage changes in scores. Receiver-operating characteristic (ROC) analysis was performed to define sensitivity and specificity of factors significant to fast score progression. Follow-up was 2.61 (2.02–4.47) years. Slow and fast progressions were present in 50.4 and 49.6% of patients, with a median change of 25.8% (− 92.1 to 1,444.7%). MVA showed percentage changes in age and serum phosphate were the only significant variables impacting fast progression in scores. ROC showed 2011 serum phosphate of 1.15 mmol/L to predict fast progression (area under the curve [AUC] of 0.628, p > 0.0126). Age older than 45 years combined with 2011 serum phosphate above 1.15 mmol/L had a significant AUC of 0.781, p < 0.0010 interleukin (IL)-1A and IL-28A were significant associates with serum phosphate above 1.1 mmol/L in the MVA. Changes in CV risk in RTR over time are highly variable. Serum phosphate, even within upper normal levels, predicts worsening of CV risk scores in stable RTR.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».