Implications of Implementing the 2021 CKD-EPI Equation Without Race on Managing Patients With Kidney Disease in British Columbia, Canada
Notice bibliographique
Résumé
Introduction: We investigated the implications of implementing race-free Chronic Kidney Disease Epidemiology Collaboration (CKD-EPI) 2021 equation among real-world patients with chronic kidney disease (CKD) from British Columbia (BC), Canada. Methods: This study included nondialysis-dependent patients with CKD aged ≥19 years who were registered in the Patient Records and Outcome Management Information System (PROMIS) as of March 31, 2016 (index date) with ≥1 serum creatinine measurement within 1 year before the index date. Patients with a history of kidney transplantation before the index date were excluded. CKD-EPI 2021 versus 2009 equation was the exposure variable. Difference in mean estimated glomerular filtration rate (eGFR) and number (%) of patients reclassified to a different eGFR category were estimated. We used Fine and Gray subdistribution hazard model to investigate the association between change in eGFR category and progression to kidney failure (incident maintenance dialysis or kidney transplantation) within 2 years. Results: higher. Variation was higher among males. Overall, ∼17% of the study sample were reclassified to a category with higher eGFR by 2021 equation (switchers). The highest proportion (28%) of patients were reclassified from G5 to G4. The risk of progressing to kidney failure was 22% less among switchers compared to nonswitchers; adjusted subdistribution hazard ratio (HR) (95% confidence interval [CI]) is 0.78 (0.65, 0.94). Conclusion: CKD-EPI 2021 equation appeared to provide higher eGFR compared to 2009 equation. This higher eGFR values appeared to be concordant with subsequent real-world CKD progression outcomes. Higher eGFR from the 2021 equation may have substantial clinical implications in both diagnosis as well as long-term care of 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 | 0,001 |
| 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) | 0,001 | 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 ».