Burden of kidney failure from atheroembolic disease and association with survival in people receiving dialysis in Australia and New Zealand: a multi-centre registry study
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular disease is a leading cause of mortality in kidney failure (KF). Patients with KF from atheroembolic disease are at higher risk of cardiovascular disease than other causes of KF. This study aimed to determine survival on dialysis for patients with KF from atheroembolic disease compared with other causes of KF. METHODS: All adults (≥ 18 years) with KF initiating dialysis as the first kidney replacement therapy between 1 January 1990 and 31 December 2017 according to the Australia and New Zealand Dialysis and Transplant registry were included. Patients were grouped into either: KF from atheroembolic disease and all other causes of KF. Survival outcomes were assessed by the Kaplan-Meier method and Cox regression analysis adjusted for patient-related characteristics. RESULTS: Among 65,266 people on dialysis during the study period, 334 (0.5%) patients had KF from atheroembolic disease. A decreasing annual incidence of KF from atheroembolic disease was observed from 2008 onwards. Individuals with KF from atheroembolic disease demonstrated worse survival on dialysis compared to those with other causes of KF (HR 1.80, 95% confidence interval [CI] 1.61-2.03). The respective one- and five-year survival rates were 77 and 23% for KF from atheroembolic disease and 88 and 47% for other causes of KF. After adjustment for patient characteristics, KF from atheroembolic disease was not associated with increased patient mortality (adjusted HR 0.93 95% CI 0.82-1.05). CONCLUSIONS: Survival outcomes on dialysis are worse for individuals with KF from atheroembolic disease compared to those with other causes of KF, probably due to patient demographics and higher comorbidity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».