Regional variation of underlying kidney diseases in children undergoing chronic kidney replacement therapy around the globe
Notice bibliographique
Résumé
BACKGROUND: There is a scarcity of information regarding the distribution of the diseases leading to kidney failure (KF) in children living in the emerging world. We used registry data to provide a global overview of the underlying disease spectrum in children commencing kidney replacement therapy (KRT). METHODS: We analyzed KF causes among 23,620 children and adolescents commencing maintenance KRT in 80 countries, using data from the IPNA Global KRT Registry (including ESPN/ERA Registry), the International Pediatric Dialysis Network (IPDN), the United States Renal Data System (USRDS), and the Australia and New Zealand Dialysis and Transplant Registry (ANZDATA). The analysis considered geographic region, country-level gross national income (GNI), average annual temperature, and patient age. RESULTS: Marked regional differences were observed in the distribution of KF causes. Immune-mediated glomerulopathies (GP) were most common in Southeast Asia, hereditary nephropathies in the Middle East, Africa, and Europe, and systemic GP in Northeast Asia and Latin America. In 14% of cases the cause of KF was unknown, with the highest proportion in Northeast Asia. Disease patterns were also influenced by countries' GNI and average yearly temperature; immune-mediated GP accounted for 43% of diagnoses in low-income countries and were more frequent in warmer climates. Among younger children, congenital anomalies of the kidney and urinary tract (CAKUT) and hereditary nephropathies were the predominant cause of KF, whereas adolescents more commonly presented with immune-mediated GP. CONCLUSION: There is significant global variability in the spectrum of diseases leading to pediatric KF, partially attributable to genetic, environmental, and macroeconomic factors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».