What Is the Most Common Cause of Secondary Hypertension?: An Interdisciplinary Discussion

2020 ◽  
Vol 22 (12) ◽  
Author(s):  
Madson Q. Almeida ◽  
Giovanio V. Silva ◽  
Luciano F. Drager
2021 ◽  
Vol 14 (4) ◽  
pp. 75-80
Author(s):  
Chris Kairis ◽  
Stavroula Kamtsiki ◽  
Maria Eirini Tselegkidi ◽  
George Trellopoulos ◽  
Achilleas Siozopoulos

2011 ◽  
Vol 2011 ◽  
pp. 1-10 ◽  
Author(s):  
Andreas Moraitis ◽  
Constantine Stratakis

Primary aldosteronism is the most common cause of secondary hypertension. In the past, screening for primary aldosteronism was offered only in patients with hypertension associated with hypokalemia. Recent studies showed that hypokalemia is seen in only 25% of the patients with primary aldosteronism, which has increased the prevalence of primary aldosteronism to 10–15% of all cases with new onset hypertension.


Author(s):  
Gabor Hofer-Szabo ◽  
Miklos Redei ◽  
Laszlo E. Szabo
Keyword(s):  

Pflege ◽  
2013 ◽  
Vol 26 (2) ◽  
pp. 119-127 ◽  
Author(s):  
Jan Kottner ◽  
Armin Hauss
Keyword(s):  

Vergleichende Qualitätsmessungen und Beurteilungen spielen in der Pflege eine zunehmend wichtige Rolle. Qualitätskennzahlen sind von systematischen und zufälligen Fehlern beeinflusst. Eine Möglichkeit, mit zufälliger Variation in Kennzahlenvergleichen adäquat umzugehen, bietet die Theorie der Statistischen Prozesskontrolle (SPC). Im vorliegenden Beitrag werden Regelkarten (control charts) als Werkzeuge der SPC vorgestellt. Es handelt sich dabei um grafische Darstellungen von Qualitätskennzahlen im zeitlichen Verlauf. Attributive Merkmale können mithilfe von p-, u- und c-Regelkarten dargestellt werden. Es gibt eine Reihe von Regeln, mit denen spezielle Variationen (special cause variation) innerhalb des betrachteten Prozesses identifiziert werden können. Finden sich im Diagramm keine Hinweise auf nichtzufällige Variationen, geht man davon aus, dass sich der Prozess innerhalb «statistischer Kontrolle» befindet (common cause variation). Eine Abweichung eines Datenpunktes um mehr als drei Standardabweichungen vom Mittelwert aller vorliegenden Datenpunkte gilt als stärkstes Signal nicht zufallsbedingter Variation. Im Qualitätsmanagementkontext sind Regelkarten für die dynamische Messung von Prozessen und Ergebnissen und deren Beurteilungen traditionellen Mittelwerts- und Streuungsvergleichen überlegen.


Pflege ◽  
2014 ◽  
Vol 27 (1) ◽  
pp. 41-49 ◽  
Author(s):  
Jan Kottner ◽  
Nils Lahmann
Keyword(s):  

Kennzahlenbasierte Qualitätsvergleiche von Einrichtungen sind verbreitet. Neben der Standardisierung und Risikoadjustierung muss die zufallsbedingte Variabilität in den Daten adäquat berücksichtigt werden. Rankings ohne Berücksichtigung der Präzision führen zu Fehlinterpretationen und fördern Datenmanipulationen. Konfidenzintervalle um die Kennzahlen der Einzeleinrichtungen sind eine Möglichkeit, die Präzision zu berücksichtigen. Funnel Plots als Spezialform von Regelkarten basieren auf der Theorie der Statistischen Prozesskontrolle (SPC). Darin werden die Kennzahlen in Beziehung zur Gruppengröße gesetzt. Warn- und Kontrollgrenzen, die sich 2 bzw. 3 Standardabweichungen vom Mittelwert aller Kennzahlen befinden, laufen mit steigender Fallzahl aufeinander zu und bilden einen Trichter. Kennzahlen innerhalb der Kontrollgrenzen weisen eine natürlicherweise zu erwartende Variabilität (common cause variation), Kennzahlen außerhalb der Kontrollgrenzen spezielle Variabilität (special cause variation) auf. Der Rankinggedanke ist aufgehoben. Funnel Plots bieten datenbasierte Kriterien, die Leistung von Einrichtungen im Qualitätsmanagement-Kontext zu bewerten.


Sign in / Sign up

Export Citation Format

Share Document