Frailty as a Predictor of Negative Health Outcomes in Chronic Kidney Disease: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objectives: To perform a comprehensive evidence synthesis to summarize the impact of frailty on health outcomes in patients with chronic kidney disease (CKD). Design: Systematic reviews and meta-analysis. Setting: Electronic searches in PubMed, Embase, Web of Science, CNKI, VIP, CBM, and Wanfang Database were performed. The methodological quality was evaluated using the Newcastle Ottawa Scale (NOS). Participants: Patients with chronic kidney disease (CKD). Measurements: Potential clinical outcomes due to frailty. Results: Eighteen cohort studies incorporating a total of 22,788 participants were included. The overall risk of bias was low. The median reported prevalence of frail and prefrail individuals with CKD was 41.8% (range 2.8-81.5%) and 43.9% (range 19.1-62.7%), respectively. Prefrailty and frailty related to mortality indicated an increased hazard ratio (HR), with a pooled HR of 1.68 [95% confidence interval (CI) 1.46-1.94P<01] and 1.48 (95% CI 1.21-1.81P<01), respectively. Prefrailty and frailty related to hospitalization with the pooled HR/risk ratio (RR) of 1.56 (95% CI 1.37-1.76P<01) and 1.21 (95% CI 0.79-1.85P = .38), respectively. Similarly, the pooled HR demonstrated a strong correlation between frailty and falls in patients with CKD with HR 1.83 (95% CI 1.40-2.37P<01) and no statistical correlation between prefrailty and falls in these patients with pooled HR 1.19 (95% CI 0.44-3.22P = .73), respectively. Conclusions and Implications: Frailty is predictive of negative outcomes in patients with CKD, including all-cause mortality, all-cause hospitalization, and falls. Therefore, frailty should be routinely assessed among patients with CKD to prevent poor prognosis, reduce fatality rate, and provide evidence to support future targeted interventions. However, because of the limited amount of information currently in the literature, additional prospective studies are needed to explore the role of prefrailty in predicting adverse outcomes for patients with CKD. (C) 2020 AMDA - The Society for Post-Acute and Long-Term Care Medicine.
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 | 0,020 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,041 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».