Hyperfiltration Affects Accuracy of Creatinine eGFR Measurement
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Surrogate markers such as creatinine, cystatin C (CysC), and beta trace protein (BTP) have been used to estimate GFR (eGFR). The accuracy of eGFR may be altered with hyperfiltration and differences in filtration fraction (FF). It is hypothesized that the accuracy of creatinine for eGFR may be affected by hyperfiltration and different effective renal plasma flow (ERPF). DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: A total of 127 pediatric patients with various renal diseases underwent simultaneous measurements of GFR using 51Cr-EDTA renal scan and ERPF (131I-hippurate clearance) to calculate the FF (FF=GFR/ERPF). The eGFRs were calculated using the commonly used Schwartz (creatinine), Filler (CysC), and Benlamri (BTP) formulas. Agreement of the eGFRs with the measured isotope GFRs was assessed by Bland-Altman plots. Correlation analysis was performed using nonparametric tests to compare FF with eGFR-GFR. RESULTS: The 127 children at a median age (with 25th percentile, 75th percentile) of 11.9 (8.5, 14.9) years had a mean 51Cr EDTA-GFR of 100.6±32.1 ml/min per 1.73 m2 and a median 131I-hippurate clearance (ERPF) of 588 (398,739) ml/min per 1.73 m2. Mean FF was 17.7±4.5% with no correlation between the FF and the error (eGFR-GFR) for CysC and BTP eGFR, whereas there was a significant negative correlation between the error for Schwartz eGFR and FF. CONCLUSIONS: There is a significant negative correlation between the error for the Schwartz eGFR and the FF. CysC and BTP are not affected by differences in FF.
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 | 0,008 | 0,037 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».