243.5: Chronic kidney disease: Measuring global burden and effectiveness of treatment.
Notice bibliographique
Résumé
Introduction: As dialysis and transplantation programs work to address the increasing prevalence of chronic kidney disease (CKD, >850 million worldwide in 2023), it is crucial to identify reliable measures to monitor their effectiveness and progress. Existing studies use inconsistent metrics of mortality and have not assessed treatment effectiveness on a population level. We therefore aimed to compare different metrics of mortality and their relationship with national income level, CKD prevalence, and dialysis and transplant volumes. Methods: From the Institute for Health Metrics and Evaluation, the International Society of Nephrology, and the Global Observatory on Donation and Transplantation, we aggregated country-level data on World Bank income level, per-capita gross domestic product adjusted for purchasing power parity (GDP), CKD prevalence, chronic dialysis prevalence, kidney transplantation (KT) incidence, and CKD-specific mortality (CKD mortality). We used uni- and multivariable generalized linear models (gamma with log-link function, alpha = 0.05) to examine relationships among the variables. Results: Data were available for 176 (90.2%) of the world’s countries: 24 low-income (LICs), 45 lower-middle income (LMICs), 43 upper-middle income (UMICs), and 64 high-income countries (HICs). Data completeness averaged 69.3%, 83.2%, 88.6%, and 86.8%, respectively. CKD prevalence, dialysis prevalence, and KT incidence increased with income level (Table 1). CKD mortality, however, had an inverse relationship with income level depending on the metric used: measured as a proportion of all deaths, CKD mortality increased with income level, while age-standardized and dialysis prevalence-adjusted CKD mortality decreased with income level.Unadjusted CKD mortality increased with CKD prevalence across all income levels. Prevalence-adjusted mortality, however, increased with CKD prevalence among HICs but decreased with CKD prevalence among LICs. CKD mortality decreased with unadjusted dialysis prevalence and KT incidence. After GDP adjustment, CKD mortality only decreased with KT incidence, not with dialysis prevalence (Figure 1).Conclusions: On a global scale, the relationship between CKD mortality and income level varies depending on the mortality metric used. Regardless of GDP, however, countries with higher kidney transplant volumes have lower CKD mortality. Our findings stress the importance of deliberate, standardized selection of metrics for researchers evaluating population-level CKD outcomes and for policymakers allocating resources in constrained environments. National Institutes of Health T32 grant in implementation science (5R25HL126146-09).
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,018 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».