Evaluating cimetidine for GFR estimation in liver transplant recipients
Notice bibliographique
Résumé
Background. Serum creatinine (Scr)-based equations lack accuracy in predicting glomerular filtration rate (GFR) in patients with liver disease. Cimetidine has been shown to improve the performance of Scr-based GFR formulae. Methods. We evaluated the use of cimetidine on the performance of GFR-estimating equations in 39 liver transplant recipients. The patients received oral cimetidine (800 mg tid) during a 24-h urine collection. The next day, the patients underwent radionucleotide GFR (rGFR) determination and Scr was measured for creatinine clearance (CrCl) and GFR estimation using the Cockcroft-Gault, Nankivell and modified diet in renal disease (MDRD) equations. Data were analysed using the Pearson correlation statistic and Bland-Altman plots. Results. The mean rGFR was 65 +/- 26.4 mL/min. The use of cimetidine increased the bias between rGFR and the Nankivell and MDRD equations. The combined root mean square error for the CrCl, Cockcroft-Gault, Nankivell and MDRD equations without cimetidine were 20.2, 15.6, 17.0 and 15.5 and cimetidine-aided were 28.2, 23.2, 23.7 and 24.3, respectively. Conclusions. All the tested equations without using cimetidine predicted GFR with modest accuracy. The addition of cimetidine decreased the precision and increased the bias of all the GFR-estimating equations. In the absence of accurate GFR-estimating equations, rGFR should be used to monitor kidney function in liver transplant recipients.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 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 ».