Prevalence of Renal Impairment in a US Commercially Insured Rheumatoid Arthritis Population: A Retrospective Analysis
Notice bibliographique
Résumé
INTRODUCTION: Global prevalence estimates for chronic kidney disease (CKD) in rheumatoid arthritis (RA) vary. This study assessed real-world prevalence estimates of renal impairment, based on estimated glomerular filtration rate (eGFR), among commercially insured patients with RA in the United States (US). METHODS: ) between January 2013 and December 2018. Adult patients with ≥ 2 claims for RA and ≥ 2 serum creatinine (SCr) measurements ≥ 90 days apart on or after the index date were included. eGFR was calculated per the Modification of Diet in Renal Disease equation. Prevalence of eGFR-based renal impairment was estimated for the overall RA population and for two subgroups: patients on advanced therapies (biologic disease-modifying antirheumatic drugs/tofacitinib) and patients stratified based on health plan types. RESULTS: Among 128,062 patients with ≥ 2 RA claims, 42,173 had qualifying SCr measurements, 16,197 were on advanced RA therapies, and 4911 had Medicare Advantage or Supplemental plus Part D coverage. For the overall population and the subgroup on advanced therapies, mild renal impairment was observed in 52% and 51%, moderate renal impairment in 9% and 7%, and severe renal impairment in 0.5% and 0.3% of patients, respectively. Moderate and severe renal impairment was more prevalent in the Medicare Advantage/Supplemental plus Part D population compared to the commercial coverage population. CONCLUSIONS: Approximately 7-10% of commercially insured adult patients in the US with RA had moderate or severe renal impairment. Assessment of renal function is an important consideration for safe treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».