Elevated Rates and Earlier Onset of Nonpulmonary Comorbidities in Adults with Cystic Fibrosis: A Population-based Study
Notice bibliographique
Résumé
Abstract Rationale People with cystic fibrosis (pwCF) are living longer with increasing comorbidities. Objectives To estimate the rate of emerging nonpulmonary comorbidities in adults with cystic fibrosis (CF) and to compare these rates with the non-CF population. Methods This is a population-based cohort study of adults using Canadian Cystic Fibrosis Registry data linked with health administrative databases in Ontario. Cases of cardiovascular disease (CVD) and symptomatic kidney stones were identified using diagnostic and procedural codes. Chronic kidney disease (CKD) was defined as estimated glomerular filtration rate <60 ml/min/1.73 m2. Cancer cases were obtained using the Ontario Cancer Registry. Poisson regression was used to estimate the rates per 1,000 person-years of follow-up. Results The age- and sex-adjusted rates of CVD, CKD, kidney stones, and cancer per 1,000 person-years in the non–lung transplantation cohort were 24.5 (95% confidence interval [CI], 21.5–28.0), 3.7 (95% CI, 2.7–5.2), 7.4 (95% CI, 6.1–9.0), and 5.8 (95% CI, 4.5–7.6) respectively. pwCF who underwent lung transplantation had higher rates of all four conditions, and cancer and CKD occurred earlier compared with the nontransplantation cohort. When comparing the CF and non-CF populations, pwCF without lung transplantation had higher age- and sex-adjusted rates of CVD (relative risk [RR], 2.9 [95% CI, 2.6–3.4]), CKD (RR, 2.1 [95% CI, 1.5–2.9]), kidney stones (RR, 2.9 [95% CI, 2.4–3.6]), and cancer (RR, 1.9 [95% CI, 1.5–2.5]). These events occurred at a median age of at least 20 years earlier in the CF cohort. In the post-transplantation population, there were no significant differences in the rates of CVD, kidney stones, and cancers between pwCF and the non-CF population, but events occurred earlier in pwCF. Conclusions Nonpulmonary complications occur at a high rate and at a younger age in pwCF compared with the non-CF population, which highlights the importance of incorporating these issues in CF care models.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».