慢性腎臓病患者における心血管死亡リスクを予測する競合リスクモデルに基づく新規ノモグラム【JST・京大機械翻訳】

Li Ning; Zhang Jingjing; Xu Yumeng; Yu Manshu; Zhou Guowei; Zheng Yawei; Zhou Enchao; He Weiming; Sun Wei; Xu Lingdong; Zhang Lu

文献

J-GLOBAL ID：202202229302753227 整理番号：22A1181106

慢性腎臓病患者における心血管死亡リスクを予測する競合リスクモデルに基づく新規ノモグラム【JST・京大機械翻訳】

A Novel Nomogram Based on a Competing Risk Model Predicting Cardiovascular Death Risk in Patients With Chronic Kidney Disease

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1181106&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1181106&from=J-GLOBAL&jstjournalNo=U7061A") }}

著者 (11件)： , , , , , , , , , ,
資料名：
巻： 9 ページ： 827988 発行年： 2022年
JST資料番号： U7061A ISSN： 2297-055X 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：スイス (CHE) 言語：英語 (EN)

目的:慢性腎臓病(CKD)患者は腎不全より心血管疾患(CVD)から死亡する可能性が高い。この研究は,CKD患者における心血管死亡のリスクを予測するための新しいノモグラムを開発することを目的にした。方法:本研究は,NHANES2003から2006年調査までの1656人のCKD患者を登録した。2005年から2006年の調査母集団のデータセットを用いて,心血管死亡のリスクを予測するためのノモグラムを構築し,ノモグラムを2003年から2004年の調査集団からのデータを用いて検証した。心血管死亡の主要決定因子を同定するために,著者らは単変量分析と後方ステップワイズ回帰を行い,鍵となる因子を選択した。5,7および9年の各患者の心血管死亡確率を,予測因子に基づくノモグラムを用いて計算した。ノモグラムの性能を評価するために,受信者動作特性曲線(AUC)下の面積と1000ブートストラップ再サンプルによる較正曲線を利用した。予測モデルの識別を累積発生率関数(CIF)を用いて調べた。結果:年齢,ホモシステイン,カリウムレベル,CKDステージ,および貧血は,単変量解析と後方ステップワイズ回帰を用いて,危険因子のスクリーニング後にノモグラムに含まれた。内部検証は,このノモグラムが高い識別とキャリブレーション(それぞれ5,7と9年のAUC値)が0.79,0.81と0.81であることを示した。外部検証は,同じ所見を確認した(AUC値5,7および9年はそれぞれ0.76,0.73および0.73)。CIFによれば,確立されたノモグラムは,低リスクのそれらから心血管死亡のリスクが高い患者を効果的に区別する。結論:本研究は,年齢,ホモシステイン,カリウムレベル,CKDステージおよび貧血を統合する新しいノモグラムを開発し,CKD患者における心血管死亡をより容易に予測するために使用でき,臨床応用におけるその潜在的価値を強調する。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

循環系の疾患 , 泌尿生殖器の疾患

引用文献 (27件)：

GBD 2019 Risk Factors Collaborators. Global burden of 87 risk factors in 204 countries and territories, 1990-2019: a systematic analysis for the global burden of disease study 2019. Lancet. (2020) 396:1223-49. doi: 10.1016/S0140-6736(20)30752-2
Saran R, Robinson B, Abbott KC, Agodoa LY, Albertus P, Ayanian J US renal data system 2016 annual data report: epidemiology of kidney disease in theunited states. Am J Kidney Dis. (2017) 69:A7-8. doi: 10.1053/j.ajkd.2016.12.004
Gansevoort RT, Correa-Rotter R, Hemmelgarn BR, Jafar TH, Heerspink HJ, Mann JF, et al Chronic kidney disease and cardiovascular risk: epidemiology, mechanisms, and prevention. Lancet. (2013) 382:339-52. doi: 10.1016/S0140-6736(13)60595-4
Catapano AL, Graham I, De Backer G, Wiklund O, Chapman MJ, Drexel H, et al 2016 ESC/EAS guidelines for the management of dyslipidaemias. Rev Esp Cardiol (Engl Ed). (2017) 70:115. doi: 10.1016/j.rec.2017.01.002
Wen CP, Cheng TY, Tsai MK, Chang YC, Chan HT, Tsai SP, et al All-cause mortality attributable to chronic kidney disease: a prospective cohort study based on 462 293 adults in Taiwan. Lancet. (2008) 371:2173-82. doi: 10.1016/S0140-6736(08)60952-6

, , , , , , ,

前のページに戻る