Cognitive impairment in patients with moderate to severe CKD: The Salford Kidney Cohort Study
Notice bibliographique
Résumé
Background Cognitive Impairment (CI) in chronic kidney disease (CKD) is common and underrecognized [1,2]. Determining risk factors for CI and whether speed of CKD progression is an important consideration may help identification of CI by nephrologists. Vascular disease is thought to underpin CI in CKD and by segregating CKD patients with proven vascular disease, we may also be able to discover other important associations with CI in CKD patients. Method 250 patients in a UK prospective cohort of CKD patients underwent 2 cognitive assessments; Montreal Cognitive Assessments and Trail Making Tests. CI was defined using validated population cut offs (CI) and relative cognitive impairment (rCI). rCI was defined by < 1SD below mean Z score on any completed test. Two multivariable logistical regression models identified variables associated with CI and rCI. Results 44% and 24.8% of patients suffered CI and rCI respectively. Depression, previous stroke and older age were significantly associated with CI. Older age was significantly associated with rCI (p=<0.05), higher proteinuria and use of psychodynamic medications were also significantly associated with rCI (p=0.05). Delta eGFR in patients with CI and rCI compared with those having normal cognition was similar (-0.77 versus -1.35 mL/min/1.73m2/yr p=0.34 for CI and -1.12 versus -1.02 mL/min/1.73m2/yr p=0.89 for rCI). Conclusion Risk factors for CI in CKD include; previous stroke, depression or anxiety, higher proteinuria and prescription of psychodynamic medications. Patients with a faster eGFR decline do not represent a group of patients at increased risk of CI.
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 | 0,001 | 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 ».