MétaCan
Menu
Retour à la cohorte
Enregistrement W2790169725 · doi:10.1093/eurheartj/ehy100

Serum potassium and adverse outcomes across the range of kidney function: a CKD Prognosis Consortium meta-analysis

2018· review· en· W2790169725 sur OpenAlexaff
Csaba P. Kövesdy, Kunihiro Matsushita, Yingying Sang, Nigel J. Brunskill, Juan Jesús Carrero, Gabriel Chodick, Takeshi Hasegawa, Hiddo J.L. Heerspink, Atsushi Hirayama, Gijs W.D. Landman, Adeera Levin, Dorothea Nitsch, David C. Wheeler, Josef Coresh, Stein Hallan, Varda Shalev, Morgan E. Grams, Brad C. Astor, Larry Appel, Tom Greene, Teresa C. Chen, John Chalmers, Mark Woodward, Hisatomi Arima, Vlado Perkovic, Ognjenka Djurdjev, Luxia Zhang, Lisheng Liu, Ming‐Hui Zhao, Fang Wang, Jinwei Wang, Mila Tang, Hiroyasu Iso, Kazumasa Yamagishi, Mitsumasa Umesawa, Isao Muraki, Masafumi Fukagawa, Shoichi Maruyama, Takayuki Hamano, Naohiko Fujii, John Townend, Martin Landray, Jamie Green, H. Lester Kirchner, Alex R. Chang, Massimo Círillo, Sun Ha Jee, Heejin Kimm, Yejin Mok, Jack F.M. Wetzels, Peter J. Blankestijn, Arjan D. van Zuilen, Michael Bots, Mark J. Sarnak, Lesley Inker, Paul Roderick, Astrid Fletcher, Erwin Böttinger, Girish N. Nadkarni, Stephen B. Ellis, Rajiv Nadukuru, Yingying Sang, Rupert Major, David Shepherd, James Medcalf, Ron T. Gansevoort, Stephan J. L. Bakker, Simerjot K Jassal, Jaclyn Bergstrom, Joachim H. Ix, Elizabeth Barrett‐Connor, Kamyar Kalantar‐Zadeh, Dick de Zeeuw, Barry M. Brenner, Alessandro Gasparini, Carl‐Gustaf Elinder, Peter Bárány, Marie Evans, Mårten Segelmark, Maria Stendahl, Staffan Schön, Navdeep Tangri, Maneesh Sud, David Naimark, Chwen-Keng Tsao, Min-Kugng Tsai, Chien‐Hua Chen, Tsuneo Konta, Kazunobu Ichikawa, Henk J.G. Bilo, Kornelis J. J. van Hateren, Nanne Kleefstra, Andrew S. Levey, Shoshana H. Ballew, Jingsha Chen, Lucia Kwak

Notice bibliographique

RevueEuropean Heart Journal · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePotassium and Related Disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesRelypsaNational Institutes of HealthKidney Research UK
Mots-clésMedicineRenal functionAlbuminuriaKidney diseaseHazard ratioInternal medicineConfidence intervalProportional hazards modelPopulationAdverse effectUrologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Aims: Both hypo- and hyperkalaemia can have immediate deleterious physiological effects, and less is known about long-term risks. The objective was to determine the risks of all-cause mortality, cardiovascular mortality, and end-stage renal disease associated with potassium levels across the range of kidney function and evaluate for consistency across cohorts in a global consortium. Methods and results: We performed an individual-level data meta-analysis of 27 international cohorts [10 general population, 7 high cardiovascular risk, and 10 chronic kidney disease (CKD)] in the CKD Prognosis Consortium. We used Cox regression followed by random-effects meta-analysis to assess the relationship between baseline potassium and adverse outcomes, adjusted for demographic and clinical characteristics, overall and across strata of estimated glomerular filtration rate (eGFR) and albuminuria. We included 1 217 986 participants followed up for a mean of 6.9 years. The average age was 55 ± 16 years, average eGFR was 83 ± 23 mL/min/1.73 m2, and 17% had moderate- to-severe increased albuminuria levels. The mean baseline potassium was 4.2 ± 0.4 mmol/L. The risk of serum potassium of >5.5 mmol/L was related to lower eGFR and higher albuminuria. The risk relationship between potassium levels and adverse outcomes was U-shaped, with the lowest risk at serum potassium of 4-4.5 mmol/L. Compared with a reference of 4.2 mmol/L, the adjusted hazard ratio for all-cause mortality was 1.22 [95% confidence interval (CI) 1.15-1.29] at 5.5 mmol/L and 1.49 (95% CI 1.26-1.76) at 3.0 mmol/L. Risks were similar by eGFR, albuminuria, renin-angiotensin-aldosterone system inhibitor use, and across cohorts. Conclusions: Outpatient potassium levels both above and below the normal range are consistently associated with adverse outcomes, with similar risk relationships across eGFR and albuminuria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,037
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,375
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations323
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetPotassium and Related DisordersTravaux en français237 207