Statistical AnalysisWe first evalua

Statistical Analysis
We first evaluated the distributions for each
eGFR equation. Subsequently, we constructed
Cox proportional-hazards models fitted with
eGFR linear splines, with adjustment for age,
sex, race (black vs. nonblack), smoking status,
status with respect to a history of cardiovascular
disease, systolic blood pressure, presence or absence
of diabetes, total cholesterol level, bodymass
index, and the level of albuminuria. From
these models, we computed and pooled hazard
ratios for each increment in the eGFR of 1 ml per
minute per 1.73 m2 of body-surface area for
eGFR values from 15 to 120, with a reference
point at 95 ml per minute per 1.73 m2 (50 ml per
minute per 1.73 m2 for cohorts with chronic kidney
disease), as in previous CKD-PC meta-analyses.
12-14,16,20,21 The reference point was moved to
65 ml per minute per 1.73 m2 for the end point of
end-stage renal disease in the general-population
cohorts in order to ensure that there were sufficient
events at an eGFR value above the reference
point. Details about the statistical analysis are provided in Appendix 1 in the Supplementary Appendix.
We cross-tabulated the eGFR that was calculated
by means of each equation, using clinical categories
of volume per minute per 1.73 m2 (

Hasil (Bahasa Indonesia) 1:

Analisis StatistikKami pertama dievaluasi distribusi untuk masing-masingpersamaan eGFR. Selanjutnya, kami membangunCox proporsional-bahaya model dilengkapi denganeGFR splines linier, dengan penyesuaian untuk usia,seks, ras (hitam vs nonblack), Merokok status,status sehubungan dengan sejarah kardiovaskularpenyakit, tekanan darah sistolik, adanya atau tidak adanyadiabetes, kolesterol total, bodymassIndeks, dan tingkat albuminuria. Darimodel ini, kita dihitung dan menggenang bahayarasio untuk setiap kenaikan di eGFR 1 ml permenit per 1.73 m2 area permukaan tubuh untuknilai-nilai eGFR dari 15 sampai 120, dengan referensititik di 95 ml per menit per 1.73 m2 (50 ml permenit per 1.73 m2 untuk kohort dengan ginjal kronispenyakit), seperti sebelumnya CKD-PC meta-analisis.12-14,16,20,21 titik acuan dipindahkan ke65 ml per menit per 1.73 m2 untuk titik akhir daritahap akhir penyakit ginjal pada populasi umumkohort untuk memastikan bahwa ada cukupkegiatan di eGFR nilai di atas referensititik. Rincian tentang analisis statistik disediakan dalam Apendiks 1 dalam lampiran tambahan.Kami salib-tabel eGFR yang dihitungdengan menggunakan persamaan masing-masing, menggunakan kategori klinisvolume per menit per 1.73 m2 (< 15 ml,15 untuk 29 ml, ml 30-44, 45-59 ml, 60-89 ml,dan ≥90 ml) .1,22 kita kemudian dievaluasi proporsipeserta dalam masing-masing dihitung kreatinineGFR kategori untuk siapa eGFR direklasifikasiBerdasarkan pengukuran cystatin Catau gabungan measurement.1,16,22-25 untuk masing-masingHasilnya, kita menggunakan multivarian Cox proportionalhazardsmodel untuk menilai risiko hasil yang merugikandi antara peserta untuk siapa eGFRdireklasifikasi ke nilai yang lebih tinggi (yaitu, untuk lebih tinggiKategori cystatin C-dihitung EGFR ataudihitung kombinasi eGFR) atau eGFR lebih rendahnilai (yaitu, untuk lebih rendah kategori dua setGFR memperkirakan), dibandingkan dengan pesertauntuk siapa eGFR tidak direklasifikasi.Kami menilai peningkatan keseluruhan reklasifikasiBerdasarkan Kategori eGFR klinis dengan menerapkan net-reklasifikasi-perbaikanpendekatan, 25, 26 sebuah metode yang melibatkan penggunaan standarKategori-kategori risiko untuk menilai peningkatan risikoPrediksi. Untuk menilai generalizability, kami dihitungpeningkatan bersih reklasifikasisubkumpulan menurut umur (< 65 vs ≥65 tahun),seks, ras (hitam vs nonblack), eGFR kategori, danstatus sehubungan dengan diabetes, hipertensi, danAlbuminuria, dengan koreksi untuk bias ketikaappropriate.27 semua analisis dilakukan denganpenggunaan Stata MP perangkat lunak, versi 11,2.

Hasil (Bahasa Indonesia) 2:

Analisis Statistik
Kami pertama mengevaluasi distribusi untuk setiap
persamaan eGFR. Selanjutnya, kami membangun
Cox proportional-bahaya model dilengkapi dengan
splines linear EGFR, dengan penyesuaian untuk usia,
jenis kelamin, ras (kulit hitam vs nonblack), status merokok,
status sehubungan dengan riwayat kardiovaskular
penyakit, tekanan darah sistolik, ada atau tidak adanya
diabetes, kadar kolesterol total, bodymass
indeks, dan tingkat albuminuria. Dari
model ini, kita dihitung dan dikumpulkan bahaya
rasio untuk setiap kenaikan dalam eGFR dari 1 ml per
menit per 1,73 m2 luas permukaan tubuh untuk
nilai eGFR 15-120, dengan referensi
titik di 95 ml per menit per 1,73 m2 ( 50 ml per
menit per 1,73 m2 untuk kohort dengan ginjal kronis
penyakit), seperti pada sebelumnya CKD-PC meta-analisis.
12-14,16,20,21 Titik referensi dipindahkan ke
65 ml per menit per 1,73 m2 untuk akhir titik
stadium akhir penyakit ginjal pada umumnya populasi
kohort untuk memastikan bahwa ada cukup
kejadian pada nilai eGFR atas referensi
titik. Rincian tentang analisis statistik disajikan dalam Lampiran 1 dalam Lampiran Tambahan.
Kami silang ditabulasi dengan eGFR yang dihitung
dengan cara masing-masing persamaan, menggunakan kategori klinis
volume per menit per 1,73 m2 (<15 ml,
15-29 ml, 30-44 ml, 45 sampai 59 ml, 60-89 ml,
dan ≥90 ml) .1,22 Kami kemudian dievaluasi proporsi
peserta di masing-masing dihitung kreatinin-
kategori eGFR untuk siapa eGFR direklasifikasi
atas dasar cystatin yang pengukuran C
atau measurement.1,16,22-25 dikombinasikan Untuk setiap
hasil, kami menggunakan multivariabel Cox proportionalhazards
model untuk menilai risiko hasil yang merugikan
antara peserta untuk siapa eGFR
telah direklasifikasi ke nilai yang lebih tinggi (yaitu, lebih tinggi
kategori cystatin C-dihitung eGFR atau
dihitung kombinasi-eGFR) atau eGFR rendah
nilai (yaitu, untuk menurunkan kategori dua set
perkiraan GFR), dibandingkan dengan peserta
untuk siapa eGFR tidak direklasifikasi.
Kami menilai peningkatan secara keseluruhan dalam reklasifikasi
atas dasar kategori eGFR klinis dengan menerapkan net-reklasifikasi perbaikan
pendekatan, 25,26 metode yang melibatkan penggunaan yang telah ditetapkan
kategori risiko untuk menilai risiko peningkatan
prediksi. Untuk menilai generalisasi, kita menghitung
peningkatan reklasifikasi bersih
subkelompok sesuai dengan usia (<65 vs ≥65 tahun),
jenis kelamin, ras (kulit hitam vs nonblack), kategori eGFR, dan
status sehubungan dengan diabetes, hipertensi, dan
albuminuria, dengan koreksi bias ketika
appropriate.27 Semua analisis dilakukan dengan
menggunakan perangkat lunak Stata / MP, versi 11.2.