Nonsteroidal anti-inflammatory drug use and risk of acute kidney injury and hyperkalemia in older adults: a population-based study
Notice bibliographique
Résumé
BACKGROUND: Clinical guidelines caution against nonsteroidal anti-inflammatory drug (NSAID) use in older adults. The study objective was to quantify the 30-day risk of acute kidney injury (AKI) and hyperkalemia in older adults after NSAID initiation and to develop a model to predict these outcomes. METHODS: We conducted a population-based retrospective cohort study in Ontario, Canada from 2007 to 2015 of patients ≥66 years. We matched 46 107 new NSAID users with 46 107 nonusers with similar baseline health. The primary outcome was 30-day risk of AKI and secondary outcomes were hyperkalemia and all-cause mortality. RESULTS: NSAID use versus nonuse was associated with a higher 30-day risk of AKI {380 [0.82%] versus 272 [0.59%]; odds ratio (OR) 1.41 [95% confidence interval (CI) 1.20-1.65]} and hyperkalemia [184 (0.40%) versus 123 (0.27%); OR 1.50 (95% CI 1.20-1.89); risk difference 0.23% (95% CI 0.13-0.34)]. There was no association between NSAID use and all-cause mortality. A prediction model incorporated six predictors of AKI or hyperkalemia: older age, male gender, lower baseline estimated glomerular filtration rate, higher baseline serum potassium, angiotensin-converting enzyme inhibitor or angiotensin receptor blocker use or diuretic use. This model had moderate discrimination [C-statistic 0.72 (95% CI 0.70-0.74)] and good calibration. CONCLUSIONS: In older adults, new NSAID use compared with nonuse was associated with a higher 30-day risk of AKI and hyperkalemia but not all-cause mortality. Prescription NSAID use among many older adults may be safe, but providers should use caution and assess individual risk.
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) | 0,001 | 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 ».