Optimal Medical Therapy Attainment by Dialysis Status in the ISCHEMIA-CKD Trial
Notice bibliographique
Résumé
Background: The efficacy of an aggressive multiple risk factor intervention approach - optimal medical therapy (OMT) - to reduce major adverse cardiovascular events in patients with CKD has not been tested. Objective: to examine OMT goal attainment in patients with CKD on dialysis (CKD-D) and non-dialysis CKD (CKD-ND) in the ISCHEMIA-CKD trial. Methods: OMT was recommended to all participants in ISCHEMIA-CKD. Longitudinal trajectories of individual OMT components (smoking cessation, systolic blood pressure (SBP) <140 mmHg, low density lipoprotein (LDL) cholesterol <70 mg/dL, high-intensity statin use, and aspirin use) were modeled over study follow-up. Covariateadjusted percentage point difference in each OMT goal achieved at 24 months between CKD-D and CKD-ND groups (% difference [95% credible interval (CrI)]) was estimated. Results: There were 415 CKD-D and 362 CKD-ND patients at baseline. CKD-D were younger (61 v 67 yrs, p<0.001) and less often diabetic (53% v 62%, p=0.023). CKD-D patients were 7.9 % (0.7%, 14.8%) more likely than CKD-ND to attain the SBP goal at 24 months (Figure). CKD-D patients were 22.7% (-33.3%, -11.4%) less likely to receive high-intensity statins. There was a steady and similar increase in proportional achievement of OMT during follow up. Conclusions: OMT improved over time in advanced CKD-ND and CKD-D. CKD-D achieved the SBP goal more than CKD-ND, yet CKD-D were less likely to be treated with high-intensity statin. Future studies should explore systemic and patient-related barriers to attainment of OMT in this high-risk cohort.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».