Major cardiovascular events and subsequent risk of kidney failure with replacement therapy: a CKD Prognosis Consortium study
Notice bibliographique
Résumé
AIMS: Chronic kidney disease (CKD) increases risk of cardiovascular disease (CVD). Less is known about how CVD associates with future risk of kidney failure with replacement therapy (KFRT). METHODS AND RESULTS: The study included 25 903 761 individuals from the CKD Prognosis Consortium with known baseline estimated glomerular filtration rate (eGFR) and evaluated the impact of prevalent and incident coronary heart disease (CHD), stroke, heart failure (HF), and atrial fibrillation (AF) events as time-varying exposures on KFRT outcomes. Mean age was 53 (standard deviation 17) years and mean eGFR was 89 mL/min/1.73 m2, 15% had diabetes and 8.4% had urinary albumin-to-creatinine ratio (ACR) available (median 13 mg/g); 9.5% had prevalent CHD, 3.2% prior stroke, 3.3% HF, and 4.4% prior AF. During follow-up, there were 269 142 CHD, 311 021 stroke, 712 556 HF, and 605 596 AF incident events and 101 044 (0.4%) patients experienced KFRT. Both prevalent and incident CVD were associated with subsequent KFRT with adjusted hazard ratios (HRs) of 3.1 [95% confidence interval (CI): 2.9-3.3], 2.0 (1.9-2.1), 4.5 (4.2-4.9), 2.8 (2.7-3.1) after incident CHD, stroke, HF and AF, respectively. HRs were highest in first 3 months post-CVD incidence declining to baseline after 3 years. Incident HF hospitalizations showed the strongest association with KFRT [HR 46 (95% CI: 43-50) within 3 months] after adjustment for other CVD subtype incidence. CONCLUSION: Incident CVD events strongly and independently associate with future KFRT risk, most notably after HF, then CHD, stroke, and AF. Optimal strategies for addressing the dramatic risk of KFRT following CVD events are needed.
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 | 0,002 | 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 | 0,000 |
| 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 ».