Development of a Novel Renal Activity Index of Lupus Nephritis in Children and Young Adults
Notice bibliographique
Résumé
OBJECTIVE: Noninvasive estimation of the degree of inflammation seen on kidney biopsy with lupus nephritis (LN) remains difficult. The objective of this study was to develop a Renal Activity Index for Lupus (RAIL) that, based solely on laboratory measures, accurately reflects histologic LN activity. METHODS: We assayed traditional LN laboratory tests and 16 urine biomarkers (UBMs) in children (n = 47) at the time of kidney biopsy. Histologic LN activity was measured by the National Institutes of Health activity index (NIH-AI) and the tubulointerstitial activity index (TIAI). High LN-activity status (versus moderate/low) was defined as NIH-AI scores >10 (versus ≤10) or TIAI scores >5 (versus ≤5). RAIL algorithms that predicted LN-activity status for both NIH-AI and TIAI were derived by stepwise multivariate logistic regression, considering traditional biomarkers and UBMs as candidate components. The accuracy of the RAIL for discriminating by LN-activity status was determined. RESULTS: The differential excretion of 6 UBMs (neutrophil gelatinase-associated lipocalin, monocyte chemotactic protein 1, ceruloplasmin, adiponectin, hemopexin, and kidney injury molecule 1) standardized by urine creatinine was considered in the RAIL. These UBMs predicted LN-activity (NIH-AI) status with >92% accuracy and LN-activity (TIAI) status with >80% accuracy. RAIL accuracy was minimally influenced by concomitant LN damage. Accuracies between 71% and 85% were achieved without standardization of the UBMs. The strength of these UBMs to reflect LN-activity status was confirmed by principal component and linear discriminant analyses. CONCLUSION: The RAIL is a robust and highly accurate noninvasive measure of LN activity. The measurement properties of the RAIL, which reflect the degree of inflammatory changes as seen on kidney biopsy, will require independent validation.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».