Prevalence and related risk factors of chronic kidney disease among adults in Luxembourg: evidence from the observation of cardiovascular risk factors (ORISCAV-LUX) study
Notice bibliographique
Résumé
Evidence on stages of renal impairment and related risk factors in Luxembourg is lacking. This study aimed to assess the prevalence of chronic kidney disease (CKD) and identify potential correlates among the general population, using the recent definition suggested by the Kidney Disease Improving Global Outcomes guidelines. Data analysed from 1361 participants aged 18–69 years, enrolled in the Observation of Cardiovascular Risk Factors in Luxembourg (ORISCAV-LUX) study, 2007–08. Descriptive and multivariable logistic regression analyses were performed to identify demographic, socio-economic, behavioural, and clinical factors associated with CKD, defined as a single estimated glomerular filtration rate (eGFR) measure <60 ml/min/1.73m 2 and/or urinary albumin: creatinine ratio (ACR) > 30 mg/g. Overall, 6.3% had CKD, including 4.4% and 0.7% with moderate and severe macroalbuminuria respectively. 0.1% had kidney failure (eGFR < 15 ml/min/1.73 m 2 ). CKD was higher among subjects with primary education and risk increased significantly with age; the odd ratio was more than 2-fold higher among participants aged 50–69 years. Hypertension and diabetes were associated with more than 3-fold and 4-fold higher risks of CKD [adjusted odd ratio (AOR 3.46 (95%CI 1.92, 6.24), P < 0.001] and [AOR 4.45 (2.18, 9.07), P < 0.001] respectively. Increased physical activity measured as total MET-hour/week was independently associated with a lower odds of CKD ( P = 0.035). The national baseline prevalence estimate of CKD, a neglected public health problem, stresses the benefit of early detection particularly in high-risk subjects with associated cardiovascular pathologies (e.g. hypertension, diabetes), to prevent and defray costs related to eventual complications.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».