Factors Associated with Unplanned Dialysis Starts in Patients followed by Nephrologists: A Retropective Cohort Study
Notice bibliographique
Résumé
The number of patients starting dialysis is increasing world wide. Unplanned dialysis starts (patients urgently starting dialysis in hospital) is associated with increased costs and high morbidity and mortality. Risk factors for starting dialysis urgently in hospital have not been well studied. The primary objective of this study was to identify risk factors for unplanned dialysis starts in patients followed in a multidisciplinary chronic kidney disease (CKD) clinic. We performed a retrospective cohort study of 649 advanced CKD patients followed in a multidisciplinary CKD clinic at a tertiary care hospital from January 01, 2010 to April 30, 2013. Patients were classified as unplanned start (in hospital) or elective start. Multivariable logistic regression was used to identify variables associated with unplanned dialysis initiation. 184 patients (28.4%) initiated dialysis, of which 76 patients (41.3%) initiated dialysis in an unplanned fashion and 108 (58.7%) starting electively. Unplanned start patients were more likely to have diabetes (68.4% versus 51.9%; p = 0.04), CAD (42.1% versus 24.1%; p = 0.02), congestive heart failure (36.8% versus 17.6%; p = 0.01), and were less likely to receive modality education (64.5% vs 89.8%; p < 0.01) or be assessed by a surgeon for access creation (40.8% vesrus 78.7% p < 0.01). On multivariable analysis, higher body mass index (OR 1.07, 95% CI 1.02, 1.13), and a history of congestive heart failure (OR 2.41, 95% CI 1.09, 5.41) were independently associated with an unplanned start. Unplanned dialysis initiation is common among advanced CKD patients, even if they are followed in a multidisciplinary chronic kidney disease clinic. Timely education and access creation in patients at risk may lead to lower costs and less morbidity and mortality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».