Inside CKD: Projecting the Global Clinical Burden of CKD Using Patient-Level Microsimulation
Notice bibliographique
Résumé
Background: Chronic kidney disease (CKD) affects ˜10% of the global population and disease progression is associated with increased risk of cardiovascular events, renal replacement therapy (RRT) and premature death. The trajectory of CKD and related costs are critical considerations for public health and policy planning. Using country-specific, patient-level microsimulations, Inside CKD models the global clinical and economic burden of CKD from 2021 to 2026. Methods: We used the Inside CKD microsimulation to project the clinical burden of CKD in Canada, the UK and the US. We constructed a virtual general population for each country using national survey data and relevant published literature. Data inputs included country demographics and the prevalence of CKD, RRT, comorbidities, and complications. CKD stages were defined as discrete health states consistent with Kidney Disease: Improving Global Outcomes (KDIGO) 2012 recommendations. We conducted model validation and calibration using established methods for health economic modelling. Analyses from additional countries in the Americas, Asia-Pacific and European regions are underway. Results: Preliminary results show that the prevalence of CKD stages 1-5 is projected to increase from 13.35% to 14.22% in Canada, from 13.48% to 13.98% in the UK, and from 14.88% to 15.57% in the US from 2021 to 2026 (Table). The number of patients receiving RRT annually is projected to increase from 42 064 to 47 582 in Canada, from 69 796 to 75 051 in the UK, and from 797 638 to 823 050 in the US, between 2021 and 2026 (Table). Conclusions: Inside CKD projects that the prevalence of CKD will continue to rise in Canada, the UK and the US over the period 2021-2026 with a corresponding increase in the annual RRT burden. These data demonstrate that CKD continues to pose a significant global challenge to public health and demonstrates the continued need for national policies aimed at early intervention. Funding: Commercial Support - AstraZenecaProjected increase in CKD stages 1-5 (including undiagnosed) and RRT from 2021 to 2026
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».