Hypertension-based clinical risk strategies for detecting microalbuminuria in diabetes
Notice bibliographique
Résumé
BACKGROUND: Microalbuminuria screening to identify patients at risk of diabetic nephropathy is widely accepted. AIM: To investigate whether blood-pressure-based strategies can identify such patients without the need for microalbuminuria testing. METHODS: Spot urine for albumin/creatinine ratios was performed in all patients over an 18-month period. The performance of four combinations of clinical models, based on existing triggers for anti-hypertensive intervention (prior use and/or existing systolic BP exceeding 140 or 160 mmHg and/or dipstick proteinuria exceeding 1+ or 2+) was evaluated at microalbuminuria thresholds of 3.5 and 10 mg/mmol. The models were ranked 1 to 4, based on their escalating relative strengths in predicting need for intervention. RESULTS: Of 3748 patients, 1257 (34%) or 739 (20%) exceeded microalbuminuria thresholds of 3.5 or 10 mg/mmol. All four models predicted microalbuminuria risk (areas under ROC curves 0.60-0.77, all p < 0.001). The models (1-4) identified 2220, 2465, 2803 or 2937 for intervention, respectively, irrespective of microalbuminuria status, and missed 368, 232, 194 or 126 at 3.5 mg/mmol and 164, 87, 81 or 45 at 10 mg/mmol. DISCUSSION: Clinical models using routinely measured parameters reduced the target population for microalbuminuria screening by 60-80%, missing 3-10% of patients with albumin/creatinine ratios exceeding 3.5 mg/mmol or 1-4% of those exceeding 10 mg/mmol.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».