Validation of Urinary CXCL10 As a Marker of Borderline, Subclinical, and Clinical Tubulitis
Notice bibliographique
Résumé
BACKGROUND: Renal allograft injury secondary to subclinical and clinical tubulitis remains an important cause of allograft fibrosis and loss despite modern immunosuppression. The goal of this study was to validate the previously reported use of urinary CXCL10 (interferon-γ-induced protein of 10 kDa) as a noninvasive marker of tubulitis in an independent clinical cohort. METHODS: Urine samples (n=102) from 91 patients with protocol or indication biopsies were assayed for urinary CXCL10 using ELISA. The groups analyzed were as follows: normal histology (n=22); interstitial fibrosis and tubular atrophy (IFTA) (n=20); IFTA and borderline tubulitis (n=13); borderline (n=13), subclinical (n=17); and clinical tubulitis (n=17) without IFTA. RESULTS: The ratio of urinary CXCL10 to creatinine (CXCL10: Cr) was found to distinguish borderline, subclinical and clinical tubulitis from normal histology, and IFTA. The area under the curve receiver operating characteristic curve to distinguish normal versus borderline and subclinical tubulitis was 0.845 (OR 1.407, P=0.0184); normal versus borderline, subclinical and clinical tubulitis was 0.835 (OR 1.400, P=0.0127). CXCL10: Cr demonstrated a sensitivity of 73.3% and specificity of 72.7% for normal versus borderline and subclinical tubulitis at a cut-off of 1.97 ng CXCL10/mmol Cr. CONCLUSION: This study validates urinary CXCL10 as a noninvasive, sensitive, and specific marker for tubulitis in an independent cohort. The straightforward urine processing is accessible to clinical laboratories. We propose that CXCL10 may be useful as a supplementary noninvasive screening test for tubulitis in renal transplant patients, with a level more than 1.97 ng CXCL10/mmol Cr being a threshold to consider biopsy.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 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 ».