FP435ORAL MUCOSAL LESIONS AND ASSOCIATION WITH MORTALITY IN HEMODIALYSIS PATIENTS: A PROSPECTIVE COHORT ANALYSIS (ORAL-D SUBSTUDY)
Notice bibliographique
Résumé
INTRODUCTION: Impaired oral health is prevalent and frequently severe among adults treated with long-term hemodialysis. We evaluate the prevalence of oral mucosal lesions and association with total and cardiovascular mortality among hemodialysis patients. METHODS: We did a planned analysis of ORAL-D. ORAL-D is a prospective multinational cohort study evaluating a standardized oral and dental examination among 4726 hemodialysis. Oral mucosal lesions included ulceration, red lesion, white lesion, geographical tongue, fissured tongue, candidiasis and herpes per WHO guidelines. The association between mucosal lesions and all-cause and cardiovascular mortality was estimated using a Cox proportional hazard regression model adjusted for age, sex, education, smoking history, prior myocardial infarction, diabetes, hemoglobin, serum albumin, serum phosphorus, time on dialysis and body mass index, and clustered by country. The outcomes were prevalence and all-cause and cardiovascular mortality. RESULTS: 4205 adults (mean age 61.6 ± 15.6 years) had a complete oral examination. 40% had at least 1 mucosal lesion. The point prevalence of oral lesions was (in ascending order of frequency): oral herpes 0.5%, mucosal ulceration 1.7%, neoformation 2.0%, white lesion 3.5%, red lesion 4.0%, oral candidiasis 4.6%, geographical tongue 4.9%, petechial lesions 7.9%, and fissured tongue 10.7%. During median follow-up of 3.5 years, 2114 patients died (1013 from cardiovascular causes). Oral candidiasis was associated with all-cause mortality (adjusted hazard ratio (aHR) 1.37, 95% CI 1.00 to 1.86) and cardiovascular mortality (aHR 1.64, 95% CI 1.09 to 2.46). There was no association observed for any other oral mucosal lesion with mortality. CONCLUSIONS: Oral mucosal lesions are prevalent in hemodialysis patients. Oral candidiasis appears to be a risk factor for death. Marinella Ruospo, Suetonia C Palmer, Giusi Graziano, Patrizia Natale, Valeria Saglimbene, Massimo Petruzzi, Michele De Benedittis, Jonathan C Craig, David W Johnson, Pauline Ford, Marcello Tonelli, Eduardo Celia, Ruben Gelfman, Miguel R Leal, Marietta Török, Paul Stroumza, Luc Frantzen, Anna Bednarek-Skublewska, Jan Dulawa, Domingo del Castillo, Staffan Schön, Amparo G Bernat, Jörgen Hegbrant, Charlotta Wollheim, Letizia Gargano, Giovanni FM Strippoli on behalf of the ORAL-D Investigatorson behalf of the ORAL-D Investigators
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».