Prediction model for 6-month mortality in incident older hemodialysis patients in South Korea
Notice bibliographique
Résumé
BACKGROUND: Early mortality following hemodialysis initiation hinders survival improvement in older patients. This study aimed to develop a clinical risk model for predicting 6-month mortality after dialysis initiation in older Korean hemodialysis patients. METHODS: We analyzed data from incident hemodialysis patients aged >70 years from the Korean Society of Geriatric Nephrology (KSGN) database. A prediction model was developed using multivariate logistic regression analysis and externally validated with independent datasets. RESULTS: Among 1,751 incident hemodialysis patients, the 6-month mortality rate was 15.5%. Using multivariate logistic analysis, we constructed the KSGN score as an independent risk factor for 6-month mortality, and its components and score are as follows: old age at dialysis initiation (≥85 years, score 2); hypertension and renovascular disease as a primary etiology of end-stage kidney disease (ESKD) (score 1); malignancy history (yes, score 1); low serum albumin (<3.5 g/dL, score 1); hypertension treatment (yes, score -1); prepared vascular access on maintenance dialysis (arteriovenous fistula/arteriovenous graft, score -3). In the development cohort, the area under the curve (AUC) for the KSGN score was significantly higher than the Alberta Wick's score (0.707 vs. 0.683, p = 0.001). In the validation cohort, the KSGN score's performance was comparable to existing models. CONCLUSION: The KSGN score may be a valuable tool for predicting early mortality after dialysis initiation in older patients with ESKD, aiding in decision-making and management regarding dialysis initiation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».