Variability in the incidence of renal replacement therapy over time in Western industrialized countries: A retrospective registry analysis
Notice bibliographique
Résumé
INTRODUCTION: A growing number of patients started renal replacement therapy (RRT) in Western industrialized countries between 1980 an early 2000s. Thereafter reports from national and international registries suggest a trend towards stabilization and sometimes a decrease in the incidence rate. AIM: To investigate the differences in overall and age-specific incidence rates between industrialized countries from 1998 until 2013. Secondly, to investigate changes in incidence rates over time and their association with specific age categories. METHOD: We extracted the unadjusted overall incidence of RRT and age-specific incidence rates from renal registry reports in Europe, the United States, Canada, Australia and New Zealand. Time trends in the incidence rate by country and age categories were analyzed by Joinpoint regression analysis. RESULTS: The incidence rate in 2013 ranged from 89 per million population (pmp) in Finland to 363 pmp in the US. Incidence rates in the lower age categories (20-64 year) were similar between countries and remained stable over time. Higher incidence countries were characterized by higher numbers of patients in both the 65-74 and ≥75 year categories starting RRT. Joinpoint analysis confirmed that most countries had significant reductions in the incidence rate at the end of the study period. These reductions were explained by lower numbers of older patients starting RRT and were observed also in countries with lower overall incidence rates. CONCLUSION: This study confirmed different incidence rates of RRT between industrialized countries worldwide. Countries with the highest overall incidence rates also had the highest incidence rates in the oldest age categories. Since the early 2000's the number of older patients starting RRT is either stabilizing or even decreasing in most countries. This reduction is universal and is also observed in countries with previously low incidence rates.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».