International practice patterns of dyslipidemia management in patients with chronic kidney disease under nephrology care: is it time to review guideline recommendations?
Notice bibliographique
Résumé
BACKGROUND: In contrast to guidelines related to lipid therapy in other areas, 2012 Kidney Disease Improving Global Outcomes (KDIGO) guidelines recommend conducting a lipid profile upon diagnosis of chronic kidney disease (CKD) and treating all patients older than 50 years without defining a target for lipid levels. We evaluated multinational practice patterns for lipid management in patients with advanced CKD under nephrology care. METHODS: We analyzed lipid-lowering therapy (LLT), LDL- cholesterol (LDL-C) levels, and nephrologist-specified LDL-C goal upper limits in adult patients with eGFR < 60 ml/min from nephrology clinics in Brazil, France, Germany, and the United States (2014-2019). Models were adjusted for CKD stage, country, cardiovascular risk indicators, sex, and age. RESULTS: LLT treatment differed significantly by country, from 51% in Germany to 61% in the US and France (p = 0.002) for statin monotherapy. For ezetimibe with or without statins, the prevalence was 0.3% in Brazil to 9% in France (< 0.001). Compared with patients not taking lipid-lowering therapy, LDL-C was lower among treated patients (p < 0.0001) and differed significantly by country (p < 0.0001). At the patient level, the LDL-C levels and statin prescription did not vary significantly by CKD stage (p = 0.09 LDL-C and p = 0.24 statin use). Between 7-23% of untreated patients in each country had LDL-C ≥ 160 mg/dL. Only 7-17% of nephrologists believed that LDL-C should be < 70 mg/dL. CONCLUSION: There is substantial variation in practice patterns regarding LLT across countries but not across CKD stages. Treated patients appear to benefit from LDL-C lowering, yet a significant proportion of hyperlipidemia patients under nephrologist care are not receiving treatment.
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 | 0,020 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».