Dipstick Proteinuria as a Screening Strategy to Identify Rapid Renal Decline
Notice bibliographique
Résumé
Rapid kidney function decline (RKFD) predicts cardiovascular morbidity and mortality, but serial assessment of estimated GFR (eGFR) is not cost-effective for the general population. Here, we evaluated the predictive value of albuminuria and three thresholds of dipstick proteinuria to identify RKFD in 2,574 participants in a community-based prospective cohort study with a median of 7 years follow-up. Median change in eGFR was -0.78 ml/min per 1.73 m(2) per year; with 8.5% experiencing RKFD, defined as a >5% annual eGFR decline from baseline. Of those with RKFD, 65% advanced to a new CKD stage compared with 19% of those without RKFD. Dipstick protein ≥ 1 g/L was a stronger predictor of RKFD than albuminuria. Overall, 2.5% screened positive for dipstick protein ≥ 1 g/L at baseline; one of every 2.6 patients would have RKFD if all were followed with serial eGFR measurement. Overall, the screening strategy correctly identified progression status for 90.8% of patients, mislabeled 1.5% as RKFD, and missed 7.7% with eventual RKFD. Among those with risk factors (cardiovascular disease, age >60, diabetes, or hypertension), the probability of identifying RKFD from serial eGFR measurements increased from 13 to 44% after incorporating dipstick protein (≥ 1 g/L threshold). In summary, inexpensive screening with urine dipstick should allow primary care physicians to follow fewer patients with serial eGFR assessment but still identify those with rapid decline of kidney function.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».