CLINICAL APPLICATION OF PATLAK PLOT CT-GFR IN ANIMALS WITH UPPER URINARY TRACT DISEASE
Notice bibliographique
Résumé
Glomerular filtration rate (GFR), an important parameter of renal function, is difficult to assess clinically. Serum creatinine and blood urea nitrogen measurements lack sensitivity, whereas radionuclide determination of GFR is not always available and requires postinjection patient isolation. GFR can be determined using computed tomography (CT), most commonly via Patlak plot analysis. Four adult cats, two adult dogs, and a foal underwent abdominal CT under general anesthesia for various diseases of the upper urinary tract. CT-GFR was measured with a single-slice dynamic acquisition and Patlak plot analysis. In five animals, the total CT-GFR appeared to be below normal, corresponding with mild (two animals) and moderate (two animals) increases of serum creatinine in four. In the two animals with normal or increased CT-GFR, serum creatinine was within the reference values. A significant negative logarithmic relationship was found between CT-GFR and serum creatinine values (P = 0.008; r2 = 0.75). No complications occurred during or following CT-GFR. CT examination provided clinically relevant information in 3/5 patients with possible ureteral obstruction and in 3/3 patients with suspected ureteral calculi. Single-slice dynamic CT-GFR was practical and provided clinically useful information in this small series of patients undergoing CT of the upper urinary tract. There was a significant relationship between CT-GFR and serum creatinine values, which supports the clinical potential of CT-GFR and justifies further investigation of this technique.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».