Prevalence, Incidence, and Determinants of Kidney Stones in a Nationally Representative Sample of US Adults
Notice bibliographique
Résumé
Purpose: To determine the prevalence, incidence, and determinants of kidney stones among adults in the United States. Materials and Methods: This cross-sectional observational study evaluated the lifetime prevalence of kidney stones and the 12-month incidence of kidney stone passage from the 2017 to 2020 National Health and Nutrition Examination Survey. Survey statistical methods were used to estimate kidney stone prevalence and incidence and the association of patient characteristics with these outcomes using logistic regression. Results: The analysis included 9208 participants with prevalence data and 9193 with incidence data. The mean age of the sample was 51 ± 17 years, 49% were male, and the mean body mass index was 30 ± 8 kg/m 2 . The prevalence of kidney stones was 9.9% (95% confidence interval (CI): 8.7%-11.3%), and the incidence of stone passage was 1.8% (95% CI: 1.4%-2.4%). The most important covariates predicting kidney stone prevalence were a history of gallstones (OR = 2.89: 95% CI: 2.16-3.89, P < .001), hypertension (OR = 1.73: 95% CI: 1.06-2.83, P = .03), and chronic kidney disease (OR = 1.99: 95% CI: 1.01-3.90, P = .046). The same variables were most important in predicting the incidence of kidney stone passage: history of gallstones (OR = 2.66: 95% CI: 1.47-4.81, P = .002), chronic kidney disease (OR = 3.34: 95% CI: 1.01-11.01, P = .048), and hypertension (OR = 2.24: 95% CI: 1.17-4.27, P = .02). Conclusions: The self-reported prevalence and incidence of kidney stones in the US adult population between 2017 and 2020 were 9.9% and 1.8%, respectively. History of gallstones, hypertension, and chronic kidney disease were important predictors of both outcomes. Individuals with these risk factors may require more frequent monitoring or targeted preventative lifestyle interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».