Pattern of Laboratory Parameters and Management of Secondary Hyperparathyroidism in Countries of Europe, Asia, the Middle East, and North America
Notice bibliographique
Résumé
INTRODUCTION: This analysis explored laboratory mineral and bone disorder parameters and management of secondary hyperparathyroidism in patients undergoing hemodialysis in Belgium, Canada, China, France, Germany, Italy, Japan, Russia, Saudi Arabia, Spain, Sweden, the UK, and the USA. METHODS: Analyses used demographic, medication, and laboratory data collected in the prospective Dialysis Outcomes and Practice Patterns Study (2012-2015). The analysis included 20,612 patients in 543 facilities. Descriptive data are presented as regional mean (standard deviation), median (interquartile range), or prevalence, weighted for facility sampling fraction. No testing of statistical hypotheses was conducted. RESULTS: The frequency of serum intact parathyroid hormone levels > 600 pg/mL was lowest in Japan (1%) and highest in Russia (30%) and Saudi Arabia (27%). The frequency of serum phosphorus levels > 7.0 mg/dL was lowest in France (4%), the UK (6%), and Spain (6%), and highest in China (27%). The frequency of serum calcium levels > 10.0 mg/dL was highest in the UK (14%) and China (13%) versus 2% to 9% elsewhere. Dialysate calcium concentrations of 2.5 mEq/mL were common in the USA (78%) and Canada (71%); concentrations of 3.0-3.5 mEq/L were almost universal at facilities in Italy, France, and Saudi Arabia (each ≥ 99%). CONCLUSIONS: Wide international variation in mineral and bone disorder laboratory parameters and management practices related to secondary hyperparathyroidism suggests opportunities for optimizing 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 | 0,000 |
| 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 ».