NSAID prescriptions in kidney transplant recipients
Notice bibliographique
Résumé
Abstract Background Guidelines recommend that non‐steroidal anti‐inflammatory drugs (NSAIDs) be avoided in kidney transplant recipients due to potential nephrotoxicity. It is unclear whether physicians are following these recommendations. Methods We conducted a retrospective cohort study of adult kidney transplant recipients from 2008 to 2017 in Alberta, Canada. We determined the frequency and prescriber of NSAID prescriptions, the proportion with serum creatinine and potassium testing post‐fill, and the incidence of acute kidney injury (AKI, serum creatinine increase of 50% or 26.5 μmol/L from baseline) and hyperkalemia (potassium 5.5 mmol/L) within 14 and 30 days. Results Of the 1730 kidney transplant recipients, 189 (11%) had at least one NSAID prescription over a median follow‐up of 5 years (IQR 2–9) (280 unique prescriptions). The majority were prescribed by family physicians (67%). Approximately 25% and 50% of prescriptions had serum creatinine and potassium testing within 14 and 30 days, respectively. Of those with lab measurements within 14 days, 13% of prescriptions were associated with AKI and 5% had hyperkalemia. Conclusions Contrary to guidelines, one in 10 kidney transplant recipients are prescribed an NSAID, and most do not get follow‐up testing of graft function and hyperkalemia. These findings call for improved education of patients and primary care providers.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».