MétaCan
Menu
Retour à la cohorte
Enregistrement W4417049204 · doi:10.34067/kid.0000001056

Quantifying Time to Diagnosis of CKD in the United States

2025· article· en· W4417049204 sur OpenAlexaff
Adrian R. Levy, Satabdi Chatterjee, Sydnie Stackland, B.M.K. Donato, Ling Zhang, Csaba P. Kövesdy

Notice bibliographique

RevueKidney360 · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésKidney diseaseMEDLINEIdentification (biology)DiseaseRisk assessment

Résumé

récupéré en direct d'OpenAlex

KEY POINTS: Many people with CKD are unaware of the condition. We estimated the time to CKD documentation after two eGFR measurements taken at least 90 days apart. Among many persons with early stage CKD, there are considerable delays in documenting the diagnosis in electronic health record-linked claims data. BACKGROUND: An estimated 14% of US adults have CKD with over 90% unaware of their condition. Health care professionals diagnose CKD after two abnormal laboratory test results taken at least 3 months apart. Although there is evidence that delays from CKD onset to documentation are common, these delays remain unquantified. The objective of this study was to quantify the time from laboratory-based evidence of CKD to the documentation of CKD using International Classification of Diseases codes. METHODS: A retrospective longitudinal cohort study was conducted using 2009-2020 Optum Market Clarity data. Adults aged 18 years and older were followed from the date of the second of two eGFRs <60 ml/min per 1.73 m 2 , 3-12 months apart until the first International Classification of Diseases Ninth or Tenth revision diagnosis of CKD, or censoring. Survival analysis was used to compare time to documentation among Kidney Disease Improving Global Outcomes (KDIGO) categories considering while analyzing deaths as competing risks. RESULTS: A total of 1.39 million adults with laboratory evidence of CKD and a mean age of 71 years (SD, 10; 63% women; 87% White) were included. Over 94% were in KDIGO stage G3, 5% in stage G4, and 1% in stage G5. The median time to CKD documentation was 3.6 years (interquartile range, 1.0-8.4), ranging from 4.8 years for those in KDIGO G3a, 2 years in KDIGO G3b, and <1 year in KDIGO G4 and G5. Patient characteristics associated with longer time to CKD diagnosis included absence of diabetes or heart failure, less severe CKD, older age, and female sex. CONCLUSIONS: There was a substantial delay between laboratory evidence of CKD and the diagnosis being documented via coding. Reducing this delay offers a target for earlier recognition and management of CKD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,312
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney360Même sujetChronic Kidney Disease and DiabetesTravaux en français237 207