Enhanced resolution of interstitial fibrosis in pediatric renal allograft biopsies using image analysis of trichrome stain
Notice bibliographique
Résumé
Birk PE, Gill JS, Blydt‐Hansen TD, Gibson IW. Enhanced resolution of interstitial fibrosis in pediatric renal allograft biopsies using image analysis of trichrome stain. Pediatr Transplantation 2010: 14: 925–930. © 2010 John Wiley & Sons A/S. Abstract: The Banff classification is ill suited to detect subtle histologic progression in renal allografts. We present image analysis methodology to precisely quantify IF in pediatric renal allograft biopsies routinely stained with MT. The mean area %IF was determined in 105 pediatric renal allograft biopsies. Associations between %IF or Banff ci scores and estimated GFR were determined using GEE modeling. Logistic regression was used to estimate IF progression. Percent IF (mean ± s.d.) was 6.83% ± 3.94, 10.39 ± 5.23%, and 20.53 ± 8.74 in patients with ci0, ci1, and ci2, respectively. The difference in %IF between biopsies with ci0, ci1, and ci2 was not proportionately incremental: compared to ci2, ci0 had 67% less IF (p < 0.0001), while ci1 had 48% less IF (p < 0.0001). AR had no impact on the precision of %IF measurements. Each 0.5% decrement in %IF was associated with a 1 mL/min per 1.73 m 2 increase in GFR (p < 0.004). Histologic progression was demonstrated by increasing %IF values (p < 0.0001) and could be estimated by IF = 2.61 × (months) + 6.43. This readily adaptable methodology may be used for the longitudinal assessment of IF in pediatric protocol renal allograft biopsies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».