A real-world longitudinal study of anemia management in non-dialysis-dependent chronic kidney disease patients: a multinational analysis of CKDopps
Notice bibliographique
Résumé
Previously lacking in the literature, we describe longitudinal patterns of anemia prescriptions for non-dialysis-dependent chronic kidney disease (NDD-CKD) patients under nephrologist care. We analyzed data from 2818 Stage 3-5 NDD-CKD patients from Brazil, Germany, and the US, naïve to anemia medications (oral iron, intravenous [IV] iron, or erythropoiesis stimulating agent [ESA]) at enrollment in the CKDopps. We report the cumulative incidence function (CIF) of medication initiation stratified by baseline characteristics. Even in patients with hemoglobin (Hb) < 10 g/dL, the CIF at 12 months for any anemia medication was 40%, and 28% for ESAs. Patients with TSAT < 20% had a CIF of 26% and 6% for oral and IV iron, respectively. Heart failure was associated with earlier initiation of anemia medications. IV iron was prescribed to < 10% of patients with iron deficiency. Only 40% of patients with Hb < 10 g/dL received any anemia medication within a year. Discontinuation of anemia treatment was very common. Anemia treatment is initiated in a limited number of NDD-CKD patients, even in those with guideline-based indications to treat. Hemoglobin trajectory and a history of heart failure appear to guide treatment start. These results support the concept that anemia is sub-optimally managed among NDD-CKD patients in the real-world setting.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,001 | 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 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 ».