MétaCan
Menu
Retour à la cohorte
Enregistrement W2905500595 · doi:10.1093/jnci/djy167

Acute Kidney Injury in Patients Receiving Systemic Treatment for Cancer: A Population-Based Cohort Study

2018· article· en· W2905500595 sur OpenAlexafffundabout
Abhijat Kitchlu, Eric McArthur, Eitan Amir, Christopher M. Booth, Rinku Sutradhar, Habeeb Majeed, Danielle M. Nash, Samuel A. Silver, Amit X. Garg, Christopher T. Chan, S. Joseph Kim, Ron Wald

Notice bibliographique

RevueJNCI Journal of the National Cancer Institute · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensWestern UniversityQueen's UniversityPrincess Margaret Cancer CentreInstitute for Clinical Evaluative SciencesPublic Health OntarioUniversity of Toronto
Organismes subventionnairesLawson Health Research InstituteCanadian Institutes of Health ResearchInstitute for Clinical Evaluative SciencesOntario Ministry of Health and Long-Term CareSchulich School of Medicine and DentistryAcademic Medical Organization of Southwestern Ontario
Mots-clésMedicineCancerCohortAcute kidney injuryKidney cancerPopulationInternal medicineCohort studyOncologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients undergoing treatment for cancer are at increased risk of acute kidney injury (AKI). There are few data on AKI incidence and risk factors in the current era of cancer treatment. METHODS: We conducted a population-based study of all patients initiating systemic therapy (chemotherapy or targeted agents) for a new cancer diagnosis in Ontario, Canada (2007-2014). The primary outcome was hospitalization with AKI or acute dialysis. We estimated the cumulative incidence of AKI and fitted Fine and Gray models, adjusting for demographics, cancer characteristics, comorbidities, and coprescriptions. We modeled exposure to systemic therapy (the 90-day period following treatments) as a time-varying covariate. We also assessed temporal trends in annual AKI incidence. RESULTS: We identified 163 071 patients initiating systemic therapy of whom 10 880 experienced AKI. The rate of AKI was 27 per 1000 person-years, with overall cumulative incidence of 9.3% (95% CI = 9.1% to 9.6%). Malignancies with the highest 5-year AKI incidence were myeloma (26.0%, 95% CI = 24.4% to 27.7%), bladder (19.0%, 95% CI = 17.6% to 20.5%), and leukemia (15.4%, 95% CI = 14.3% to 16.5%). Advanced cancer stage, chronic kidney disease, and diabetes were associated with increased risk of AKI (adjusted hazard ratios [aHR] = 1.41, 95% CI = 1.28 to 1.54; 1.80, 95% CI = 1.67 to 1.93; and 1.43, 95% CI = 1.37 to 1.50, respectively). In patients aged 66 years or older with universal drug benefits, diuretic, and angiotensin-converting enzyme inhibitor/angiotensin receptor blocker coprescription was associated with higher AKI risk (aHR = 1.20, 95% CI = 1.14 to 1.28; 1.30, 95% CI = 1.23 to 1.38). AKI risk was further accentuated during the 90-day period following systemic therapy (aHR = 2.34, 95% CI = 2.24 to 2.45). The annual incidence of AKI increased from 18 to 52 per 1000 person-years between 2007 and 2014. CONCLUSION: Cancer-related AKI is common and associated with advanced stage, chronic kidney disease, diabetes, and concomitant receipt of diuretics or angiotensin-converting enzyme inhibitors/angiotensin receptor blockers. Risk is heightened in the 90 days after systemic therapy. Preventive strategies are needed to address the increasing burden of AKI in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,410
Écart entre enseignants0,359 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations142
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJNCI Journal of the National Cancer InstituteMême sujetAcute Kidney Injury ResearchTravaux en français237 207