Primary Aldosteronism in Chronic Kidney Disease: Blood Pressure Control and Kidney and Cardiovascular Outcomes After Surgical Versus Medical Management
Notice bibliographique
Résumé
BACKGROUND: Diagnosis and treatment of primary aldosteronism (PA) in chronic kidney disease (CKD) may be deferred due to limited evidence supporting safety and efficacy of treatment. Our goal was to assess clinical outcomes in patients with PA and CKD who received surgical or medical management. METHODS: We conducted a multicenter, retrospective cohort study of patients with PA and CKD who underwent adrenal vein sampling from 2009-2019. We characterized clinical outcomes and evaluated differences by surgical versus medical management. Primary outcomes were systolic blood pressure and number of antihypertensive medications. Secondary outcomes were diastolic blood pressure, serum potassium, estimated glomerular filtration rate (eGFR), and kidney and cardiovascular events. Analyses were adjusted for age, sex, race, cardiovascular disease, diabetes, and eGFR. RESULTS: , and 49% were on potassium supplementation. At 5 years, mean blood pressure decreased from 149±22/85±14 to 131±28/78±16 mm Hg and mean number of antihypertensive medications decreased from 4.0±1.5 to 2.4±1.4. Adrenalectomy, compared to medical management, was associated with similar systolic blood pressure (-0.90 mm Hg [95% CI, -6.99 to 5.07]) but fewer medications (1.7 [95% CI, -2.24 to -1.10]), and no difference in potassium levels or kidney or cardiovascular outcomes. CONCLUSIONS: Patients with PA and CKD are likely to benefit from either surgical adrenalectomy or medical management. Detection and treatment of PA may help to reduce blood pressure and medication burden in patients with 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 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 | 0,000 |
| 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 ».