Fibroblast Growth Factor 23 Predicts Mortality and End-Stage Renal Disease in a Canadian Asian Population with Chronic Kidney Disease
Notice bibliographique
Résumé
BACKGROUND: Chronic kidney disease (CKD) is a leading cause of morbidity and mortality. Biomarkers that predict end-stage renal disease (ESRD) and/or mortality could usher in new therapeutics to halt this onslaught. While fibroblast growth factor (FGF)23 can predict both ESRD and mortality, it has not been studied in North American CKD patients of Asian ethnicity. METHOD: This is a prospective investigation about the role of FGF23 in 998 Canadian patients of Asian descent with CKD defined by an estimated glomerular filtration rate (eGFR) <60 mL/min/m2 and followed up for 3 years. RESULTS: The mean age of patients was 68.9 years and 68.3% were males. The mean (range) eGFR, and median FGF23 were 40.2 (11.0-59.0) mL/min and 154.1 (7.0-7,823.0) RU/mL, respectively. Over the 3 years, higher values of FGF23 levels at baseline were associated with higher risk of ESRD (hazard ratio [HR] for log[Fgf23] = 2.16 [95% CI 1.20-3.89]). Despite the short follow-up, 42 patients died due to cardiovascular diseases (38.8%), cancer (14.9%), and infections (12.7%). Log-FGF23 levels were independently associated with death, HR 1.94, 95% CI 1.24-3.03. Mortality risk increased in FGF23 subgroups from <100 to >400 RU/mL. In a time-changing covariate analysis, serial log-FGF23 levels over the 3 years predicted mortality with a HR of 2.66 (95% CI 1. 79-3.95). CONCLUSION: In a Canadian Asian population with CKD, FGF23 levels obtained at 6-monthly intervals for 3 years predicted ESRD and mortality suggesting that it is also a risk marker in Asians.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».