Diagnostic Accuracy of Cystatin C–Based eGFR Equations at Different GFR Levels in Children
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The diagnostic accuracy of cystatin C estimated GFR (eGFR) by various cystatin C equations have varied in different studies. We hypothesized that the GFR level of enrolled patients affects the diagnostic accuracy of a cystatin C equation. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: We analyzed 240 consecutively enrolled children at a single Canadian center in a prospective and cross-sectional study. Cystatin C was analyzed with nephelometry, and cystatin C eGFR was estimated by the equations validated in children. GFR was measured by technetium-99m-diethylene-triamine penta-acetic acid (⁹⁹m)Tc DTPA). RESULTS: We compared various cystatin C equations across GFR strata < 60, < 90, ≥ 135, and ≥ 150 ml/min per 1.73 m² for an accurate prediction and appropriate classification of the measured GFR. The CKiD, Zappitelli-CysEq, and Zappitelli-CysCrEq equations had a higher accuracy, estimated by eGFR values within 10% and 30% of the respective (99m)Tc DTPA, in the GFR categories < 60 and < 90 ml/min per 1.73 m², whereas the Bökenkamp, Bouvet, and Filler equations had a greater accuracy in the GFR categories ≥ 135 and ≥ 150 ml/min per 1.73 m². The Bouvet, CKiD, Filler, Zappitelli-CysEq, and Zappitelli-CysCrEq equations had a greater sensitivity to classify GFR < 60 and < 90 ml/min per 1.73 m², whereas the Bökenkamp equation had a higher sensitivity for GFR ≥ 135 and ≥ 150 ml/min per 1.73 m². CONCLUSIONS: The diagnostic accuracy of various cystatin C equations varies with GFR. This issue needs consideration while applying these equations in clinical practice and for further research on eGFR equations.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 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 ».