ODP206 High Burden of Chronic Kidney Disease in Young Adults with Type 1 Diabetes
Notice bibliographique
Résumé
Abstract Background Type 1 diabetes (T1D) increases the risk of chronic kidney disease (CKD). We sought to assess the burden of CKD and albuminuria, and risk factors contributing to CKD development. Methods This retrospective cohort study (1996-2020) involved Canadian adults diagnosed with T1D before 30 years of age, followed in a sub-speciality clinic in British Columbia. CKD was defined as an estimated GFR <60 ml/min/1.73 m 2 and persistent albuminuria was defined as a urine albumin-to-creatinine ratio (ACR) ≥2 mg/mmol (≥2 measurements over 6 months). Logistic regression was used to describe the relationship between CKD and diabetes-related risk factors. Results Of the 268 adults followed in the clinic, 63.4% were male, and the median age at diagnosis of T1D was 13.7 years (IQR 11.9 years). Over a median duration of T1D of 27.1 years (IQR 21.2 years), 8.2% of the adults developed CKD and 32.5% developed albuminuria (19.8% ACR 2-20 mg/mmol, 12.7%≥20 mg/mmol). Five adults went on to develop end-stage renal disease within the follow-up period. A longer duration of T1D (≥30 years) was associated with 4-fold increase in the odds of developing CKD (odds ratio 4. 09, 95% CI 1.37-15.10). History of medical and psychiatric comorbidities, A1C≥7%, systolic blood pressure ≥130 mmHg, and ACR ≥2 mg/mmol were also associated with greater odds of developing CKD. Conclusion In this contemporary Canadian cohort of young adults with T1D, CKD and albuminuria are common. Contributing risk factors include comorbid medical and psychiatric conditions, suboptimal glycemic control, systolic hypertension, and albuminuria. Presentation: No date and time listed
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) | 0,000 | 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 | 0,001 |
| 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 ».