MétaCan
Menu
Retour à la cohorte
Enregistrement W4381376978 · doi:10.2337/db23-1236-p

1236-P: Patients with Diabetes Mellitus and Chronic Kidney Disease Affected by Nonalcoholic Fatty Liver Disease Have Greater Risk of Mortality and Worse Clinical Outcomes

2023· article· en· W4381376978 sur OpenAlexaboutno aff
LEONID KHOKHLOV, Usha Thapa, Leanne Pereira, Michael Fatuyi, Mehnaaz Ali, Fatima Hussain, Amr Aboelnasr, Amanda Brown, M. Eerhart, Mohammad Amin Eshghabadi, Cynthia Contreras, Kamal Shemisa

Notice bibliographique

RevueDiabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineNonalcoholic fatty liver diseaseKidney diseaseDiabetes mellitusPopulationFatty liverDiseaseEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: DM & CKD are affecting million patients worldwide. Nonalcoholic Fatty Liver Disease (NAFLD) is emerging disease predisposing to adverse outcomes. There is limited evidence of clinical outcomes of NAFLD in patients with DM&CKD. We sought to investigate this population. Methods: We queried NIS 2017-2020 for adults hospitalized with DM&CKD & NAFLD. The primary outcome was inpatient mortality. The secondary outcomes were cardiogenic shock, cardiac arrest, GIB, intubation, LOS & total hospital charge. Multivariable logistic regression analysis was used to estimate clinical outcomes. Results: There were 11,254,722 hospitalizations with DM&CKD and 542,140 (4.8%) had NAFLD. NAFLD & non-NAFLD cohorts were with mean age of 53.3 vs. 54.0 yrs; males 53.3% vs 54.0%; Caucasians 58.7% vs 57.7%; HF 49.4% vs 49.5%; PH 11.4% vs 9.0%; AKI 51.9% vs 43.7%; obesity 24.9% vs 27.0%; HLD 47.0% vs 61.1%; anemia 23.6% vs 20.1%; ACS 10.6% vs 10.3%; stroke 1.8% vs 3.0%, respectively. Conclusion: DM&CKD cohort showed significantly higher mortality, worse clinical outcomes & resource utilization (Table 1). They were younger, obese, female, Caucasian, & with more PH, AKI, anemia, ACS. NAFLD is associated with greater risk for MACE, GIB, & ICU care. NALFD is an important risk factor among patients with DM&CKD that predicts adverse outcomes. Disclosure L. Khokhlov: None. U. Thapa: None. L. Pereira: None. M. Fatuyi: None. M. Ali: None. F. Hussain: None. A. Aboelnasr: None. A.C. Brown: None. M. Eerhart: None. M. Eshghabadi: None. C. Contreras: None. K. Shemisa: Speaker's Bureau; Pfizer Inc., Boehringer Ingelheim (Canada) Ltd., Janssen Pharmaceuticals, Inc., Merck & Co., Inc., Amarin Corporation, Bayer Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,286
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207