IMPACT CKD: Holistic Disease Model Projecting 10-Year Population Burdens
Notice bibliographique
Résumé
Introduction The significant burden of chronic kidney disease (CKD) is not recognized as a global public health priority, although policies aimed at delaying progression to later stages are required. Therefore, there is need for a holistic disease model to inform decision making those accounts for the multidimensional impact of CKD, and the interrelated factors that modulate progression. Methods IMPACT CKD is a microsimulation model that simulates CKD progression and incorporates the effect of clinical events and comorbidities. CKD status is assigned using estimated glomerular filtration rate (eGFR) and albuminuria levels, and CKD progression is predicted by an annual eGFR decline rate. The model projects clinical, health care resource use, economic, patient, societal, and environmental burdens from 2022 to 2032. During development, face, technical, and external validity were evaluated, with calibration conducted to population data. Further, cross-validation was conducted against 2 published models. The United Kingdom (UK) was selected as the case study for validation. Results A 7.7% increase in the CKD population by 2032 was predicted, with increasing numbers of patients with CKD stage 3 to 5 (21.7%), dialysis (75.3%), and transplantation (58.7%). The increase of patients on renal replacement therapy (RRT) results in an increase of 75% across freshwater use, fossil fuel depletion, and CO 2 emissions over the next decade, and an estimated cost of £1.95 billion in 2032. Projections reflect validated findings from other models. Conclusion The IMPACT CKD model is a robust simulation that delivers validated forecasts of the holistic CKD burden, which can support evaluation of diverse health policies and treatment strategies.
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 | 0,003 |
| 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) | 0,002 | 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 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 ».