Treatment Response and Dosing of Patiromer in Veterans With Dialysis-Dependent ESKD and Hyperkalemia
Notice bibliographique
Résumé
Background: Hyperkalemia (HK) is a common, potentially life-threatening metabolic disorder that presents a challenge for clinicians caring for dialysis patients with end-stage kidney disease (ESKD). Patiromer is a non-absorbed, sodium-free potassium (K+)-binding polymer approved for HK treatment. This historical cohort study aimed to describe patiromer utilization and associated serum K+ (sK+) changes in veterans with ESKD and HK on dialysis. Methods: Patiromer utilization and sK+ changes were evaluated using the National VA Corporate Data Warehouse between 1/1/16 and 2/28/21. Inclusion criteria were adults aged ≥18 years old, receiving patiromer, with at least 2 ICD codes for ESKD, on dialysis, and a sK+ ≥5.1 mEq/L recorded within 91 days of the index date (date of first patiromer dispensing). sK+ was assessed at baseline (BL) and 1-, 3-, and 6-months follow-up (FU) from index date. sK+ change from BL to each FU timepoint was assessed by paired t-test. Results: 1,267 patiromer users were identified with ESKD based on ICD code during the BL period; 458 meet the inclusion criteria and had a sK+ available for evaluation during the 3 months pre-index. BL characteristics included mean age 66 years old, 97% male, 45% African American, and mean sK+ 5.91 mEq/L. Comorbidities of interest included 72% diabetes, 50% heart failure, and 45% coronary artery disease. Dosing of patiromer was daily in 87% of cases with an average daily dose of 8.4 g. A dose increase was observed in 11% (n=52) and dose decrease in 5% (n=24) during the FU period. Following patiromer initiation, significant reductions (P<0.01) in mean sK+ concentrations from BL were observed within 1 month (-1.02 mEq/L; n=307), 3 months (-1.04 mEq/L; n=351), and 6 months (-1.05 mEq/L; n=351; Figure). Conclusions: Among US veterans with ESKD and HK on dialysis, patiromer use was associated with clinically relevant reductions in sK+ concentrations at all study timepoints. Funding: Commercial Support - Otsuka Pharmaceuticals Canada
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 | 0,000 | 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 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 ».