Prevalence and Demographics of CKD in Canadian Primary Care Practices: A Cross-sectional Study
Notice bibliographique
Résumé
Introduction Surveillance systems enable optimal care delivery and appropriate resource allocation, yet Canada lacks a dedicated surveillance system for chronic kidney disease (CKD). Using data from the Canadian Primary Care Sentinel Surveillance Network (CPCSSN), a national chronic disease surveillance system, this study describes the geographic, sociodemographic, and clinical variations in CKD prevalence in the Canadian primary care context. Methods This cross-sectional study included 559,745 adults in primary care in 5 provinces across Canada from 2010 through 2015. Data were analyzed by geographic (urban or rural residence), sociodemographic (age, sex, deprivation index), and clinical (medications prescribed, comorbid conditions) factors, using data from CPCSSN and the Canadian Deprivation Index. CKD stage 3 or higher was defined as 2 estimated glomerular filtration rate (eGFR) values of <60 ml/min per 1.73 m 2 more than 90 days apart as of January 1, 2015. Results Prevalence of CKD was 71.9 per 1000 individuals and varied by geography, with the highest prevalence in rural settings compared with urban settings (86.2 vs. 68.4 per 1000). CKD was highly prevalent among individuals with 3 or more other chronic diseases (281.7 per 1000). Period prevalence of CKD indicated a slight decline over the study duration, from 53.4 per 1000 in 2010 to 46.5 per 1000 in 2014. Conclusion This is the first study to estimate the prevalence of CKD in primary care in Canada at a national level. Results may facilitate further research, prioritization of care, and quality improvement activities to identify gaps and improvement in CKD care.
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 | 0,002 |
| 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 ».