Women and kidney disease: reflections on World Kidney Day 2018
Notice bibliographique
Résumé
The objective of this study was to describe the management of patients undergoing renal transplantation in 2013 and over the following two years on the basis of healthcare consumption data. The National Health Insurance Information System was used to identify 1876 general scheme beneficiaries undergoing a first isolated renal transplantation (median age: 53 years; men 63%). Overall, 1.2% of patients died during the transplantation hospital stay (> 65 years 3.3%) and 87% of patients had a functional graft at 2 years. Thirty-three percent of patients were readmitted to hospital for 1 day or longer during the first month, 73% the first year and 55% the second year. At least 10% of patients were hospitalised for antirejection treatment during the first quarter after renal transplantation, 16% the first year and 9% the second year. The first year, 32% of patients were hospitalised for renal disease (12% the second year), 14% were hospitalised for cardiovascular disease (9% the second year), 13% for infectious disease (5% the second year) and 2% for a malignant tumour (2% the second year). Almost 80% of patients consulted their general practitioner each year (almost 50% consulted every quarter). During the second year, 83% of patients were taking antihypertensives, 45% lipid-lowering drugs, 26% antidiabetic drugs, 77% tacrolimus, 18% ciclosporin, 88% mycophenolic acid and 69% corticosteroids. This study highlights the important contribution of healthcare consumption data to a better understanding of the modalities of management of renal transplant recipients in France, allowing improvement of this management in line with guidelines.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».