Nomogram to predict uric acid kidney stones based on patient’s age, BMI and 24-hour urine profiles: a multi-center validation
Notice bibliographique
Résumé
INTRODUCTION: We performed a multicentre validation of a nomogram to predict uric acid kidney stones in two populations. METHODS: We reviewed the kidney stone database of two institutions, searching for patients with kidney stones who had stone composition analysis and 24-hour urine collection from January 2010 to December 2013. A nomogram to predict uric acid kidneys stones based on patient age, body mass index (BMI), and 24-hour urine collection was tested. Receiver-operating curves (ROC) were performed. RESULTS: We identified 445 patients, 355 from Cleveland, United States, and 90 from Sao Paulo, Brazil. Uric acid stone formers were 7.9% and 8.9%, respectively. Uric acid patients had a significantly higher age and BMI, as well as significant lower urinary calcium than calcium stone formers in both populations. Uric acid had significantly higher total points when scored according to the nomogram. ROC curves showed an area under the curve of 0.8 for Cleveland and 0.92 for Sao Paulo. The cutoff value that provided the highest sensitivity and specificity was 179 points and 192 for Cleveland and Sao Paulo, respectively. Using 180 points as a cutoff provided a sensitivity and specificity of 87.5% and 68% for Cleveland, and 100% and 42% for Sao Paulo. Higher cutoffs were associated with higher specificity. The main limitation of this study is that only patients from high volume hospitals with uric acid or calcium stones were included. CONCLUSION: Predicting uric acid kidneys stone based on a nomogram, which includes only demographic data and 24-hour urine parameters, is feasible with a high degree of accuracy.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».