MétaCan
Menu
← Retour à la cohorte
Enregistrement W4381851920 · doi:10.1101/2023.06.18.23290762

The prevalence of chronic kidney disease in Australian primary care: analysis of a national general practice dataset

2023· preprint· en· W4381851920 sur OpenAlexaff
Min Jun, James Wick, Brendon L. Neuen, Sradha Kotwal, Sunil V. Badve, Mark Woodward, John Chalmers, David Peiris, Anthony Rodgers, Kellie Nallaiah, Meg Jardine, Vlado Perkovic, Martin Gallagher, Paul E. Ronksley

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesUniversity of New South WalesFaculty of Medicine and Health, University of SydneyAustralian Commission on Safety and Quality in Health Care
Mots-clésMedicineRenal functionKidney diseaseCreatinineUrologyInternal medicineGeneral practiceHealth carePrimary careDemographyFamily medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background There remains substantial variation in the reported prevalence of CKD in Australia. Using a large, nationally-representative general practice data source in Australia, we determined the contemporary prevalence and staging of CKD in Australian primary care. Methods We performed a retrospective, community-based observational study using healthcare data from MedicineInsight, a national general practice data source in Australia. The study included all adults with ≥1 visit to a general practice participating in the MedicineInsight program and ≥1 serum creatinine measurement (with or without a urine albumin-to-creatinine ratio [UACR] measurement) between 1 January 2011 and 31 December 2020; n=2,720,529 patients). The prevalence of CKD was estimated using three definitions: (1): an estimated glomerular filtration rate (eGFR) <60 mL/min/1.73m 2 or an eGFR ≥60 mL/min/1.73m 2 with a UACR ≥2.5 mg/mmol for males and ≥3.5 mg/mmol for females (definition 1), (2) two consecutive eGFR measures <60 mL/min/1.73m 2 at least 90 days apart or an eGFR ≥60 mL/min/1.73m 2 with a UACR ≥2.5 mg/mmol for males and ≥3.5 mg/mmol for females (definition 2), and (3) two consecutive eGFR measures <60 mL/min/1.73m 2 at least 90 days part and/or two consecutive UACR measures ≥2.5 mg/mmol for males and ≥3.5 mg/mmol for females at least 90 days apart (definition 3). Patient sociodemographic characteristics including comorbid conditions were assessed across the three definitions. Results The prevalence of CKD in the study cohort progressively increased over the 10-year study period, irrespective of the method used to define CKD. The annual prevalence of CKD varied across the three CKD definitions, with definition 1 resulting in the highest estimates. In 2020, the prevalence of CKD in the study cohort was 8.4% (n=123,988), 4.7% (n=69,110) and 3.1% (n=45,360) using definitions 1, 2 and 3, respectively. The number of patients with UACR measurements was low such that, among those identified as having CKD in 2020, only 3.8%, 3.2% and 1.5% respectively, had both eGFR and UACR measurements available in the corresponding year. Patients in whom both eGFR and UACR measurements were available mostly had moderate or high risk of CKD progression by local and international CKD guidelines (83.6%, 80.6% and 76.2%, respectively). Comorbid burden in patients with CKD was also frequently observed (coronary heart disease: 28.9%, type 2 diabetes: 38.5%, heart failure: 17.9%; using CKD definition 3). Conclusion In this large, nationally representative study, we observed an increasing trend in CKD prevalence in primary care settings in Australia. Most patients with CKD were at moderate to high risk of CKD progression with a significant comorbid burden including coronary heart disease and diabetes. These findings highlight the need for early detection and effective management to slow progression of CKD.

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)0,005
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,244
Score d'incertitude au seuil0,485

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,339
Écart entre enseignants0,306 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetChronic Kidney Disease and Diabetes→Travaux en français237 207→