Impact of Arteriovenous fistula creation on estimated glomerular filtration rate decline in Predialysis patients
Notice bibliographique
Résumé
Abstract Background Arteriovenous fistula (AVF) is the vascular access of choice for patients on hemodialysis. Recent evidence suggests that AVF creation may slow estimated glomerular filtration rate (eGFR) decline. The study objective was to assess the impact of the AVF creation on eGFR decline, after controlling for key confounding factors. Methods This retrospective cohort study included adult patients followed in a single-center predialysis clinic between 1999 and 2016. Patients with a patent AVF were followed up to 2 years pre- and post-AVF creation. Estimated GFR trajectory was reported using linear mixed models adjusted for demographic characteristics, comorbidities and use of renin-angiotensin-aldosterone blockade. Results A total of 146 patients were studied with a median age 68.7 (60.5–75.4) years and a median eGFR at time of AVF creation of 12.8 (11.3–13.9) mL/min/1.73m 2 . The crude annual eGFR decline rates were − 3.60 ± 4.00 mL/min/1.73 m 2 pre- and − 2.28 ± 3.56 mL/min/1.73 m 2 post-AVF, resulting in a mean difference of 1.28 mL/min/1.73 m 2 (95% CI 0.49, 2.07). In a mixed effect linear regression model, monthly eGFR decline was − 0.63 (95% CI -0.81, − 0.46; p < 0.001) mL/min/1.73m 2 /month. The period after AVF creation was associated with a relatively higher eGFR (β 0.94, 95% CI 0.61–1.26, p < 0.001). There was a significant association between follow-up time and the period pre/post AVF (β 0.19, 95% CI 0.16, 0.22; p < 0.001) such that eGFR decline was more attenuated each month after AVF creation. Conclusions In this cohort, AVF creation was associated with a significant reduction of eGFR decline. Further prospective studies are needed to confirm this association.
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) | 0,001 | 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 ».