The Sask Formula to Estimate Glomerular Filtration Rate in Renal Transplant Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of this study was to develop a glomerular filtration rate (GFR) equation for renal transplant and compare its performance with Chronic Kidney Disease Epidemiology Collaboration (CKD-EPI) and isotope dilution mass spectrometry (IDMS) equations. Using genetic symbolic regression analysis, the Sask equation was developed from a training sample of 772 isotope GFR (iGFR) scans performed in 99 transplanted patients. It was then validated in two other samples of 269 scans with the same number of patients. Standard methods including accuracy at 30% range from reference values were compared. In two validation samples, the Sask equation maintained the lowest bias of -0.7 ± 19.0 and 0.4 ± 18.4 ml/min/1.73 m(2) (p < 0.05) versus -3.1 ± 19.6 and -7.2 ± 18.8 ml/min/1.73 m(2) for CKD-EPI and -2.2 ± 19.2 and -6.5 ± 18.3 ml/min/1.73 m(2) for IDMS, respectively. In those with iGFR between 90 and 30 ml/min/1.73 m(2), the Sask equation demonstrated: (1) the lowest bias of -1.0 ± 15.7 and -0.4 ± 15.7 ml/min/1.73 m(2) (p < 0.05 vs. other tests); (2) an accuracy of 75.5 and 76.1% (p < 0.05 vs. other tests), and (3) a mean percentage error of 1.9 ± 30.5 and -4.1 ± 31.4 ml/min/1.73 m(2) (p < 0.05 vs. other tests). Analysis based on gender demonstrated improved performance in the total and subtotal female populations with GFR between 90 and 30 ml/min/1.73 m(2). The CKD-EPI and Sask equations performed better than IDMS. The Sask equation demonstrated improved bias over CKD-EPI, with iGFR between 90 and 30 ml/min/1.73 m(2), particularly in females.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle