Epidemiology Trend of Chronic Kidney Disease in a Semi-Urban Tertiary Hospital in Sub-Saharan Africa
Notice bibliographique
Résumé
Background The global burden of chronic kidney disease (CKD) has been on an alarming increase in the last two decades. The morbidity and mortality associated with CKD are even worse in Nigeria, like other developing countries, due to multiple socioeconomic and demographic factors in the country. CKD contributes to the increasing need for hospital admission. Hypertension and chronic glomerulonephritis have been the leading causes of CKD in Nigeria. However, diabetic nephropathy has recently gained more significance as a cause of CKD in developing countries. Aim and methods This study aimed to describe the current trend in the burden and population characteristics of CKD in Southern Nigeria. This is a cross-sectional, hospital-based study. The study recruited adult patients with prehemodialysis CKD seen in renal clinics over a two-year period (November 2014 to October 2016). Data were obtained using a questionnaire and from the clinic register. All participants were clinically assessed, including history, anthropometric measurements, and urinary albumin-creatinine ratio. Results A total of 1,549 patients were seen at the Medical Outpatient Clinic over the study period. CKD accounted for 9.7% of medical outpatient clinic attendance. The mean age of participants was 49±13 years. The leading causes of CKD were diabetes mellitus (32%), chronic glomerulonephritis (30%), and hypertension (22%). Among the participants, CKD stages 3, 4, and 5 were prevalent in 26.7%, 43.3%, and 14.7%, respectively. Conclusion and recommendation CKD is very prevalent among medical clinic patients. Diabetic nephropathy seems to be a more significant cause of CKD than was previously reported. Late presentation of patients to nephrologists remains an obstacle to improving CKD outcome in Nigeria. There is need for more intensive preventive measures and early intervention.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».