Change in urine albumin-to-creatinine ratio and clinical outcomes in patients with chronic kidney disease and type 2 diabetes
Notice bibliographique
Résumé
INTRODUCTION: This study aims to investigate the association between change in urine albumin-to-creatinine ratio (UACR) and clinical outcomes in patients with chronic kidney disease (CKD) and type 2 diabetes. RESEARCH DESIGN AND METHODS: Adult patients with elevated UACR (≥30 mg/g in initial testing) after the diagnosis of type 2 diabetes and CKD were identified from the Optum electronic health records database (01/2007-09/2021). UACR change from initial to last test (6-24 months) was categorized as >30% decrease, stable (-30% to 30%), or >30% increase. Risk of all-cause mortality, composite cardiovascular (CV) outcome (CV death, myocardial infarction, stroke, and hospitalization for heart failure), and CKD progression (≥40% decline in estimated glomerular filtration rate or kidney failure) were estimated with Cox proportional hazard models adjusted for baseline characteristics. RESULTS: Compared with patients with a stable UACR (n=35 117), those with a >30% UACR decrease (n=89 562) had lower risk of all-cause mortality (adjusted HR (aHR)=0.93, 95% CI 0.90 to 0.96), composite CV outcomes (aHR=0.93, 95% CI 0.90 to 0.95), and CKD progression (aHR=0.84, 95% CI 0.81 to 0.86) (all p<0.001), and patients with a >30% UACR increase (n=35 703) had higher risk of each endpoint (aHR=1.24, 95% CI 1.19 to 1.28; aHR=1.24, 95% CI 1.20 to 1.28; and aHR=1.41, 95% CI 1.36 to 1.46, respectively; all p<0.001). CONCLUSIONS: In patients with CKD and type 2 diabetes, a >30% UACR decrease was associated with lower risk of mortality, CV events, and CKD progression, whereas a >30% UACR increase was associated with higher risk of these clinical outcomes. These findings highlight the importance of albuminuria monitoring and potential clinical benefits of targeted UACR reductions in this population.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».