MétaCan
Menu
Retour à la cohorte
Enregistrement W3082601230 · doi:10.1161/circoutcomes.119.006415

Kidney Function and Potassium Monitoring After Initiation of Renin-Angiotensin-Aldosterone System Blockade Therapy and Outcomes in 2 North American Populations

2020· article· en· W3082601230 sur OpenAlexafffundabout
Rishi Parikh, Danielle M. Nash, K. Scott Brimble, Maureen Markle‐Reid, Thida C. Tan, Eric McArthur, Farzien Khoshniat-Rad, Manish M. Sood, Sijie Zheng, Leonid Pravoverov, Gihad Nesrallah, Amit X. Garg, Alan S. Go

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePotassium and Related Disorders
Établissements canadiensXanadu Quantum Technologies (Canada)Western UniversityUniversity of OttawaUniversity of TorontoMcMaster UniversityHumber River Regional HospitalOntario Stroke Network
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesCanadian Institutes of Health Research
Mots-clésHyperkalemiaMedicineHazard ratioRenal functionInternal medicineCreatinineAngiotensin receptorRetrospective cohort studyProportional hazards modelPopulationKidney diseaseUrologyRenin–angiotensin systemConfidence intervalBlood pressure

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical practice guidelines recommend routine kidney function and serum potassium testing within 30 days of initiating ACE (angiotensin-converting enzyme) inhibitor or angiotensin II receptor blocker therapy. However, evidence is lacking about whether follow-up testing reduces therapy-related adverse outcomes. METHODS AND RESULTS: We conducted 2 population-based retrospective cohort studies in Kaiser Permanente Northern California and Ontario, Canada. Patients with outpatient serum creatinine and potassium tests in the 30 days after starting ACE inhibitor or angiotensin II receptor blocker therapy were matched 1:1 to patients without follow-up tests. We evaluated the association of follow-up testing with 30-day all-cause mortality and hospitalization with acute kidney injury or hyperkalemia using Cox regression. We also developed and externally validated a risk score to identify patients at risk of having abnormally high serum creatinine and potassium values in follow-up. We identified 75 251 matched pairs initiating ACE inhibitor or angiotensin II receptor blocker therapy between January 1, 2007, and December 31, 2017, in Kaiser Permanente Northern California. Follow-up testing was not significantly associated with 30-day all-cause mortality in Kaiser Permanente Northern California (hazard ratio, 0.75 [95% CI, 0.54-1.06]) and was associated with higher mortality in 84 905 matched pairs in Ontario (hazard ratio, 1.32 [95% CI, 1.07-1.62]). In Kaiser Permanente Northern California, follow-up testing was significantly associated with higher rates of hospitalization with acute kidney injury (hazard ratio, 1.66 [95% CI, 1.10-2.22]) and hyperkalemia (hazard ratio, 3.36 [95% CI, 1.08-10.41]), as was observed in Ontario. The risk score for abnormal potassium provided good discrimination (area under the curve [AUC], 0.75) and excellent calibration of predicted risks, while the risk score for abnormal serum creatinine provided moderate discrimination (AUC, 0.62) but excellent calibration. CONCLUSIONS: Routine laboratory monitoring after ACE inhibitor or angiotensin II receptor blocker initiation was not associated with a lower risk of 30-day mortality. We identified patient subgroups in which targeted testing may be effective in identifying therapy-related changes in serum potassium or kidney function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,287
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetPotassium and Related DisordersTravaux en français237 207