Chronic kidney disease stage in renal transplantation classification using cystatin C and creatinine-based equations
Notice bibliographique
Résumé
BACKGROUND: Current clinical guidelines recommend that renal transplant recipients (RTRs) be classified into chronic kidney disease (CKD) stage using a creatinine-based estimate of glomerular filtration rate (GFR). However, creatinine-based equations are inaccurate in RTRs leading to frequent CKD stage misclassification. It is not known whether the classification of CKD stage would be improved using a cystatin C-based estimate of GFR. METHODS: We measured (99m)Tc-DTPA GFR, cystatin C and creatinine in 198 stable RTRs. GFR was estimated using cystatin C-based equations (Filler, Le Bricon and Rule) and four creatinine-based equations. We determined the proportion, overall and by CKD stage, that were classified correctly by each equation as compared to the (99m)Tc-DTPA GFR. RESULTS: The Filler equation correctly classified 76% of patients compared to only 65% with the abbreviated modification of diet in renal disease (MDRD) equation and 69% with the Cockcroft-Gault equation. In CKD stages two and four, the Filler equation correctly classified 77% and 60% of patients whereas the abbreviated MDRD equation correctly classified 46% and 93% of patients. The area under the curve by receiver operating curve analysis for overall stage classification was uniformly poor for all equations (0.52-0.56). CONCLUSIONS: The cystatin C-based Filler and Le Bricon GFR estimates classified slightly more patients into the correct CKD stage than the standard creatinine-based equations in stable RTRs although the overall diagnostic accuracies were similar. The differences are modest and prospective studies will be needed to determine if the adoption of these equations for classification would lead to improved recognition of CKD complications or patient care.
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 | 0,001 | 0,001 |
| 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 ».