Metabolic acidosis is undertreated and underdiagnosed: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Guidelines recommend treatment of metabolic acidosis (MA) in patients with chronic kidney disease (CKD), but the diagnosis and treatment rates in real-world settings are unknown. We investigated the frequency of MA treatment and diagnosis in patients with CKD. METHODS: In this retrospective cohort study, we examined administrative health data from two US databases [Optum's de-identified Integrated Claims + Clinical Electronic Health Record Database (US EMR cohort; 1 January 2007 to 30 June 2019) and Symphony Health Solutions IDV® (US claims cohort; 1 May 2016 to 30 April 2019)] and population-level databases from Manitoba, Canada (1 April 2006 to 31 March 2018). Patients who met laboratory criteria indicative of CKD and chronic MA were included: two consecutive estimated glomerular filtration results <60 mL/min/1.73 m2 and two serum bicarbonate results 12 to <22 mEq/L over 28-365 days. Outcomes included treatment of MA (defined as a prescription for oral sodium bicarbonate) and a diagnosis of MA (defined using administrative records). Outcomes were assessed over a 3-year period (1 year pre-index, 2 years post-index). RESULTS: A total of 96 184 patients were included: US EMR, 6179; Manitoba, 3223; US Claims, 86 782. Sodium bicarbonate treatment was prescribed for 17.6%, 8.7% and 15.3% of patients, and a diagnosis was found for 44.7%, 20.9% and 20.9% of patients, for the US EMR, Manitoba and US Claims cohorts, respectively. CONCLUSIONS: This analysis of 96 184 patients with laboratory-confirmed MA from three independent cohorts of patients with CKD and MA highlights an important diagnosis and treatment gap for this disease-modifying complication.
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 | 0,001 |
| 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 ».