Socioeconomic Position and Incidence of Glomerular Diseases
Notice bibliographique
Résumé
Background and objectives Social deprivation is a recognized risk factor for undifferentiated CKD; however, its association with glomerular disease is less well understood. We sought to investigate the relationship between socioeconomic position and the population-level incidence of biopsy-proven glomerular diseases. Design, setting, participants, & measurements In this retrospective cohort study, a provincial kidney pathology database (2000–2012) was used to capture all incident cases of membranous nephropathy ( n =392), IgA nephropathy ( n =818), FSGS ( n =375), ANCA-related GN (ANCA-GN, n =387), and lupus nephritis ( n =389) in British Columbia, Canada. Quintiles of area-level household income were used as a proxy for socioeconomic position, accounting for regional differences in living costs. Incidence rates were direct standardized to the provincial population using census data for age and sex and were used to generate standardized rate ratios. For lupus nephritis, age standardization was performed separately in men and women. Results A graded increase in standardized incidence with lower income was observed for lupus nephritis ( P <0.001 for trend in both sexes) and ANCA-GN ( P =0.04 for trend). For example, compared with the highest quintile, the lowest income quintile had a standardized rate ratio of 1.7 (95% confidence interval, 1.19 to 2.42) in women with lupus nephritis and a standardized rate ratio of 1.5 (95% confidence interval, 1.09 to 2.06) in ANCA-GN. The association between income and FSGS was less consistent, in that only the lowest income quintile was associated with a higher incidence of disease (standardized rate ratio, 1.55; 95% confidence interval, 1.13 to 2.13). No significant associations were demonstrated for IgA nephropathy or membranous nephropathy. Conclusions Using population-level data and a centralized pathology database, we observed an inverse association between socioeconomic position and the standardized incidence of lupus nephritis and ANCA-GN.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».