Relationship of coronary artery calcification with renal function decline and mortality in predialysis chronic kidney disease patients
Notice bibliographique
Résumé
BACKGROUND: Patients with chronic kidney disease (CKD) have higher levels of coronary artery calcification (CAC) compared with the general population. The role of CAC in renal function decline is not well understood. METHODS: In this prospective cohort study of Stages 3-5 CKD patients with CAC scores kidney function decline, development of end-stage kidney disease (ESKD) and all-cause mortality were determined at 5 and 10 years. Baseline variables included markers of CKD and chronic kidney disease mineral and bone disorder (CKD-MBD), demographics and comorbidities. Multivariable analyses identified predictors of outcomes, and survival curves demonstrated the association of CAC score with ESKD and mortality. RESULTS: One hundred and seventy-eight patients were enrolled between 2005 and 2007. Independent predictors of ESKD at 5 years were estimated glomerular filtration rate (eGFR) and urine albumin-creatinine ratio (UACR); at 10 years, eGFR was no longer a predictor, but CAC was now significant. Those who developed ESKD at the fastest rate either had the highest CAC score (≥400 AU) or were youngest and had the lowest calcidiol, and highest serum phosphate, UACR and percentage change in CAC per year. Predictors of eGFR decline over 5 years were UACR, parathyroid hormone and CAC score. Predictors of mortality at 5 years were age, diabetes and eGFR and at 10 years also included CAC score. CONCLUSIONS: In Stages 3-5 CKD patients, CAC is an independent predictor of both ESKD and mortality at 10 years. Those who developed ESKD at the fastest rate either had the highest CAC score or the worst CKD-MBD derangements.
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 ».