Prediction model for cognitive impairment in maintenance hemodialysis patients
Notice bibliographique
Résumé
PURPOSE: To explore the risk factors for cognitive impairment in patients undergoing maintenance hemodialysis (MHD) and construct a predictive model for cognitive impairment. METHODS: A total of 146 patients with end-stage renal disease (ESRD) undergoing MHD were recruited at our hospital between December 2021 and April 2022. Cognitive function was assessed using the Montreal Cognitive Assessment (MoCA), and scores of < 26 were considered indicative of cognitive impairment. Risk factors were identified using a multivariate logistic regression model, and a receiver operating characteristic curve was applied to construct the prediction model. Cognitive impairment risk was categorized using a multifactorial prediction model based on the weight of evidence. RESULTS: 46 patients with cognitive impairment were identified, with a prevalence of 31.5% in ESRD patients undergoing MHD. Multivariate logistic regression analyses indicated that the following factors were associated with an increased risk of cognitive impairment in patients undergoing MHD: aged 55.0-64.0 years (OR:6.24; 95%CI:1.81-21.48; P = 0.001), aged 65.0-74.0 years (OR:16.10; 95%CI:4.03-64.37; P < 0.001), aged ≥ 75.0 years (OR:90.22; 95%CI:16.86-482.86; P < 0.001), duration of dialysis ≥ 5 years (OR:3.99; 95%CI:1.58-10.04; P = 0.003), and current smoker (OR:4.61; 95%CI:1.46-14.57; P = 0.009). The predictive value of the constructed model based on the aforementioned factors for cognitive impairment was 84% (95%CI,77-91%). The prevalence of cognitive impairment for patients at low, moderately low, moderately high, and high risk was 0% (95%CI:0-17%), 10% (95%CI:3-22%), 32% (95%CI:16-52%), and 65% (95%CI:50-78%), respectively. CONCLUSIONS: This study constructed a multifactorial prediction model with a high predictive value for cognitive impairment in patients with ESRD undergoing MHD.
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) | 0,000 | 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 ».