Interobserver Reliability of Urine Sediment Interpretation
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Urine sediment interpretation is frequently used in the evaluation of patients with kidney disease. There has been no systematic evaluation of the reliability of this diagnostic maneuver. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Digital photographs of urine sediment images were acquired from 165 consecutive patients being evaluated by the nephrology consultation service at a tertiary care hospital. Urine sediment images of 100 patients were randomly selected; 86 patients had images that were deemed to be of sufficient quality, and one image per patient was chosen for inclusion in an internet-based questionnaire. For each image, the presence or absence of 14 potential urinary structures was ascertained. Ten nephrologists (senior readers [n = 3]: >10 yr of experience; intermediate readers [n = 3]: 1 to 10 yr of experience; and junior readers [n = 4]: first year of practice) completed the questionnaire. For each urinary structure, we measured the rate of complete agreement among the readers as well as the kappa statistic as a marker of agreement beyond chance. RESULTS: Unanimous agreement was highest (79.1%) regarding the presence of broad and fatty casts and poorest (31.4%) for the identification of dysmorphic red blood cells and white blood cells. Interobserver agreement was best for squamous epithelial cells (kappa = 0.54) and hyaline casts (kappa = 0.52) and worst for transitional epithelial cells (kappa = 0.14) and fatty casts (kappa = 0.06). When assessed within strata of physician experience, interobserver agreement was not associated with seniority. CONCLUSIONS: Nephrologists achieved slight to moderate agreement in the identification of structures that are commonly observed in the urine sediment.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».