Sex Differences in the Recognition, Monitoring, and Management of CKD in Health Care: An Observational Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Reported sex differences in the etiology, population prevalence, progression rates, and health outcomes of people with CKD may be explained by differences in health care. METHODS: measurement denoting probable CKD in Stockholm from 2009 to 2017. We calculated the odds ratios for diagnosis of CKD and provision of RASi and statins at inclusion, and hazard ratios for CKD diagnosis, visiting a nephrologist, or monitoring creatinine and albuminuria during follow-up. RESULTS: We identified 227,847 subjects, of whom 126,289 were women (55%). At inclusion, women had lower odds of having received a diagnostic code for CKD and were less likely to have received RASi and statins, despite having guideline-recommended indications. In time-to-event analyses, women were less likely to have received a CKD diagnosis (HR, 0.43; 95% CI, 0.42 to 0.45) and visited a nephrologist (HR, 0.46; 95% CI, 0.43 to 0.48) regardless of disease severity, presence of albuminuria, or criteria for referral. Women were also less likely to undergo monitoring of creatinine or albuminuria, including those with diabetes or hypertension. These differences remained after adjustment for comorbidities, albuminuria, and highest educational achievement, and among subjects with confirmed CKD at retesting. Although in absolute terms all nephrology-care indicators gradually improved over time, the observed sex gap persisted. CONCLUSIONS: There were profound sex differences in the detection, recognition, monitoring, referrals, and management of CKD. The disparity was also observed in people at high risk and among those who had guideline-recommended indications. PODCAST: This article contains a podcast at https://www.asn-online.org/media/podcast/JASN/2022_10_11_JASN2022030373.mp3.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».