Kidney Failure Risk Equation in vascular access planning: a population-based study supporting value in decision making
Notice bibliographique
Résumé
ABSTRACT Background The Kidney Failure Risk Equation (KFRE) can play a better role in vascular access (VA) planning in patients with chronic kidney disease (CKD) requiring hemodialysis (HD). We described the VA creation and utilization pattern under existing estimated glomerular filtration rate (eGFR)-based referral, and investigated the utility of KFRE score as an adjunct variable in VA planning. Methods Patients with CKD aged ≥18 years with eGFR <20 mL/min/1.73 m2 who chose HD as dialysis modality from January 2010 to August 2020 were included from a population-based database in British Columbia, Canada. Modality selection date was the index date. Exposures were categorized as (i) current eGFR-based referral, (ii) eGFR-based referral plus KRFE 2-year risk score on index date (KFRE-2) >40% and (iii) eGFR-based referral plus KFRE-2 ≤40%. We estimated the proportion of patients who started HD on arteriovenous fistula/graft (AVF/G) within 2 years, indicating timely pre-emptive creation, and the proportion of patients in whom AVF/G was created but did not start HD within 2 years, indicating too-early creation. Results Study included 2581 patients, median age 71 years, 60% male. Overall, 1562(61%) started HD and 276 (11%) experienced death before HD initiation within 2 years. Compared with current referral, the proportion of patients who started HD on AVF/G was significantly higher when KFRE-2 was considered in addition to current referral (49% vs 58%, P-value <.001). Adjunct KFRE-2 significantly reduced too-early creation (31% vs 18%, P-value <.001). Conclusions KFRE in addition to existing eGFR-based referral for VA creation has the potential to improve VA resource utilization by ensuring more patients start HD on AVF/G and may minimize too-early/unnecessary creation. Prospective research is necessary to validate these findings.
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 | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».