Early and Established Peritoneal Dialysis Prescriptions in the US Peritoneal Dialysis Outcomes and Practice Patterns Study
Notice bibliographique
Résumé
Background: PD prescriptions evolve within and between patients due to residual kidney function loss, peritoneal membrane changes, & accrual of comorbidities/complications. Limited contemporary data exist on these changes. We explored PD prescription differences between early (<4 months on PD [PD-early]) & established (≥4 months on PD [PD-late]) patients in the US-PDOPPS cohort. Methods: At study entry, we identified 8139 PD early & 5941 PD late adult PDOPPS participants from U.S. facilities (2014-2022). Automated peritoneal dialysis (APD) & continuous ambulatory peritoneal dialysis (CAPD) prescriptions were analyzed separately. Results: CAPD was used in 14% of PD-early & 11% of PD-late patients. Among CAPD patients, mean daily volume was 7.58L (SD = 2.04) in PD-Early vs. 8.24L (SD = 2.64) in PD-Late with similar exchange distribution (≥4 exchanges: 70% PD-early, 68% PD-late). Median urine volume was lower in PD-late patients (0.95L vs 1.05L PD-early) with greater anuria (20% vs 9%). In APD patients, prescriptions with ≥5 cycles were more common in PD-late vs. PD early patients (41% vs 27%). Cycler volume > 8 L was slightly higher in PD-late vs. PD-early patients (63% vs. 57%). 24-hour urine volume was lower in PD-late vs. PD-early patients (0.80L vs 0.90L), & anuria higher (21% vs 13%). Conclusion: PD prescription intensification differs by modality, with the major changes being to: (1) increase dwell volumes vs number of exchanges in CAPD, in contrast to (2) increase number of cycles in APD and to a lesser extent total volume. Further research should explore drivers of these changes (i.e. increasing solute clearances) and their impact on clinical outcomes including burden of therapy. Funding: Other NIH Support - ADS is partially supported by Institutional Development Award Number U54GM115677 from the National Institute of General Medical Sciences of the National Institutes of Health, which funds Advance Clinical and Translational Research (Advance-CTR)., Commercial Support - Vantive,
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».