#1899 Cardiorenal outcomes and long-term kidney function decline in IgA nephropathy compared with chronic kidney disease patients with and without diabetes—FinnGen study
Notice bibliographique
Résumé
Abstract Background and Aims Long-term cardiorenal outcomes and decline of kidney function in IgA nephropathy (IgAN) are incompletely characterized. We examined kidney and major adverse cardiovascular events (MACE) along with eGFR decline in patients with IgAN in the FinnGen study which covers approximately 10% of the Finnish population (n = 520210) Method We compared 775 IgAN patients with at least three eGFR measurements during a minimum of six months and baseline eGFR of 30 ml/min/1.73 m2 or higher to diabetes patients and CKD patients without diabetes as controls. IgAN, CKD, and diabetes patients were matched for eGFR, age and sex (with a ratio 1:4:4). The outcomes of interest were annual eGFR decline, kidney replacement therapy (KRT), and MACE identified by ICD-codes. Multivariable-adjusted Cox regression and mixed-effects models were used to compare the groups. Results The mean baseline eGFR was 67 ml/min/1.73m2 for IgAN, 68 ml/min/1.73 m2 for diabetes, and 69 ml/min/1.73 m2 for CKD patients. The maximum follow-up time was 9.5 years. Change in eGFR was −2.36 ml/min per year (95% CI −2.55 to −2.16) among IgAN, −2.39 (−2.44 to −2.34) in CKD and −0.53 (−0.59 to −0.48) in diabetes patients. Altogether, 37%, 23% and 4% of patients with IgAN, CKD and diabetes, respectively, started KRT during follow-up. IgAN patients had a higher risk of entering KRT than CKD patients (HR 1.80, 95% CI 1.57–2.07) and diabetes patients (HR 9.91, 8.00–12.27). However, the risk of MACE was lower in IgAN patients than in those with CKD (HR 0.64, 0.54–0.76), or diabetes (HR = 0.72, 0.60–0.85). Conclusion In this large register cohort, patients with IgAN demonstrated faster decline in eGFR compared to diabetes patients and exhibited greater risk for KRT compared to both CKD and diabetes patients. Notably, the risk for MACE was lower in IgAN compared to CKD and diabetes patients.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».