MP371PREVALENCE OF HYPERKALEMIA IN DOPPS: A REAL-WORLD, INTERNATIONAL COHORT OF HEMODIALYSIS PATIENTS
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Hyperkalemia (HK) is often associated with chronic kidney disease (CKD), and is a known risk factor for adverse events in patients on hemodialysis (HD). We utilized data from a real-world international study of HD patients to better understand regional variation in HK prevalence. METHODS: A cross-sectional study was performed using data from the multi-phase Dialysis Outcomes and Practice Patterns Study (DOPPS). Patients were included if they underwent in-center HD and participated in DOPPS from 2002-2015 (includes DOPPS phases 2-5). In this analysis, patients were stratified by region: N. America (United States and Canada), Europe/Australia/New Zealand (E/A/NZ), and Japan. Patients were also stratified based on the duration of HD prior to enrolment: short-term (ST; <120 days) and long-term (LT; >120 days). The proportion of patients with HK was reported within strata, based on serum potassium (K+) measured at study entry (enrolment into DOPPS): mild, (5.0-5.5 mEq/L), moderate (>5.5-6.0 mEq/L), and severe (>6.0 mEq/L). RESULTS: Data from DOPPS phase 5 (2012-2015) included 3057 and 9390 patients on ST and LT HD, respectively. The median (interquartile range) time on dialysis was 45 (10, 82) days for ST patients and 3.1 (1.3, 6.5) years for LT patients. HK was more common among LT patients than ST patients in all 3 regions, which likely reflects an increasing loss in residual renal function with prolonged time on dialysis (Figure). HK prevalence among LT patients in N. America, E/A/NZ, and Japan was 30%, 47%, and 37%, respectively, versus 16%, 29%, and 17%, respectively, among ST patients. HK prevalence was higher in E/A/NZ compared with N. America and Japan for both LT and ST patients. Likewise, in both ST and LT patients, severe HK (>6.0 mEq/L) was more common in E/A/NZ (5% and 10%, respectively) versus N. America (1% and 3%, respectively) and Japan (2% and 5%, respectively). Prevalence of mild HK was more comparable by region and duration of dialysis. Minimal differences in prevalence were observed across the DOPPS phases 2-5 (from 2002-2015) within each region. MP371 Figure
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 ».