24-h Urinary Calcium Excretion and Renal Outcomes in Hospitalized Patients with and without Chronic Kidney Disease
Notice bibliographique
Résumé
This study investigated the impact of 24-h urinary calcium excretion (UCaE) on renal function decline in hospitalized patients with and without chronic kidney disease (CKD). This study enrolled 3815 CKD patients in stages 1–4 and 1133 non-CKD patients admitted to the First Center of the Chinese PLA General Hospital between January 2014 and July 2022. The primary outcome for CKD patients was a composite of CKD progression, defined as a 40% decline in estimated glomerular filtration rate (eGFR) or end-stage kidney disease. Annual eGFR change was the secondary outcome. For non-CKD patients, the primary outcome was an eGFR decline of ≥20% or CKD incidence, while annual eGFR change was the secondary outcome. The association between UCaE and kidney function decline was assessed using Cox proportional hazards and generalized linear models. Primary outcomes were observed in 813 CKD patients and 109 non-CKD patients over a median follow-up of 3.0 and 4.1 years, respectively. For CKD patients, every 1-mmol/d increase in UCaE was associated with a 15% decreased risk of CKD progression. The hazard ratio (HR) was 0.85, with a 95% confidence interval (CI) of 0.77–0.93. For non-CKD patients, the risk of renal function decline decreased by 11%. The multivariate models indicated that there was an annual decrease in eGFR in both CKD and non-CKD patients, with a reduction of 0.122 mL/min/1.73 m2/year (p < 0.001) and 0.046 mL/min/1.73 m2/year (p = 0.004), respectively, for every 1-mmol/d increase in UCaE. CKD experiences a decrease in 24-h UCaE as early as stage 1, with a significant decline in stage 4. CKD and non-CKD patients with lower UCaE levels are at an increased risk of renal decline, regardless of other variables.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».