Glomerular filtration rate as a putative ‘surrogate end‐point’ for renal transplant clinical trials in children
Notice bibliographique
Résumé
Only with prospective randomized controlled trials is it possible to evaluate the several immunosuppressive regimens available to renal allograft recipients. Commonly used surrogate markers of clinical outcome, such as patient and graft survival, are constantly improving. Current immunosuppressive protocols have improved 1-yr graft survival to over 90%. The small differences in graft survival among the various immunosuppressive regimes require large patient cohorts in order to establish statistical significance. Such studies are often difficult to conduct in a timely manner, particularly in children. This necessitates the search for better surrogate markers sensitive enough to detect differences in smaller cohorts and in a shorter period of time. While the degree of fibrosis in transplant biopsies might well predict long-term graft survival, protocol biopsies are expensive, invasive, and unpopular among clinicians. In native kidneys, glomerular filtration rate (GFR) closely correlates with disease progression and interstitial fibrosis and appears to be well positioned as a less invasive surrogate marker for long-term outcome. Nonetheless, the ideal marker for GFR remains obscure. Serum creatinine has several major drawbacks, making it a poor predictor of GFR. This review discusses the several methods used to estimate or measure GFR with emphasis on 125I-iothalamate clearance and serum cystatin C (cys-C). Of all the serum markers, cys-C is the most reliable and the most promising. However, cys-C and other endogenous markers cannot replace the diagnostic sensitivity and reliability of radiolabeled markers of GFR such as 125I-iothalamate in renal transplant clinical trials. Unfortunately, clearance of most radiolabeled markers of GFR including 125I-iothalamate remain costly and time consuming.
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 | 0,033 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».