Evaluation of GFR Estimating Equations in the General Community
Notice bibliographique
Résumé
The Kidney Disease Outcomes Quality Initiative has recommended the use of GFR estimating equations to detect silent chronic kidney disease (CKD) in the community. The benefit of general reporting of CKD must be balanced with the harm of mislabeling people who do not have CKD. The popular Cockcroft-Gault (CG) and Modification of Diet in Renal Disease (MDRD) GFR estimating equations were compared with the recently devised Rule equation in a representative community population sample (2166) divided into subsamples with (385) and without (1781) previous renal impairment. The prevalence of CKD was CG > MDRD >> Rule estimates. The magnitude of difference in prevalence of CKD as detected by the MDRD and CG versus the Rule equation increases markedly when the subsamples with (30.8 and 29.7 versus 17.5%) and without (12 and 11.3 versus 3.0%) previous kidney impairment are compared. General demographic and potential or known risk factors were used in a logistic regression model to assess the association with CKD. The MDRD estimates note female gender (odds ratio 2.19; 95% confidence interval 1.63 to 2.95) and both MDRD and the Rule equations identify hypertension and diabetes as significant CKD risk factors. All estimating equations identify age to be associated with CKD. The annualized serial decline in GFR was CG > MDRD > Rule estimates. Only the Rule GFR estimates detected a greater decline in renal impaired versus unimpaired populations. The calibrated Rule equation seems to perform better than CG and MDRD (CKD 3 versus 11.3 to 12%) but lacks validation against gold standards for community-based screening.
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 | 0,091 | 0,210 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».