<i>N</i> -Acetyl-β- <scp>d</scp> -Glucosaminidase Index as an Early Biomarker for Chronic Kidney Disease in Cats with Hyperthyroidism
Notice bibliographique
Résumé
BACKGROUND: Hyperthyroid cats are at risk of developing azotemic chronic kidney disease (CKD) and diagnostic tools currently used to screen for CKD in hyperthyroid cats are either unreliable or impractical. HYPOTHESIS: Urine N-acetyl-beta-D-glucosaminidase index (NAG(i)) is a good biomarker for azotemic CKD in hyperthyroid cats. ANIMALS: Twenty-four newly diagnosed nonazotemic hyperthyroid cats and 10 healthy cats. METHODS: All cats were evaluated for hyperthyroidism at baseline. Hyperthyroid cats were treated with methimazole and reevaluated once euthyroid. At the end of the study, cats were divided into 3 groups: healthy cats, nonazotemic, and azotemic euthyroid cats. Baseline group characteristics were compared to predict azotemic CKD. The influence of treatment on NAG(i) was evaluated. RESULTS: Baseline NAG(i) was significantly different among groups (P= .004). Azotemic cats had a higher median value (13.12 U/g) when compared with healthy cats (1.38 U/g). With NAG(i) >2.76 U/g, negative and positive predictive values for development of azotemia were 77.7 and 50%, whereas the combination of a urine specific gravity (USG) <or=1.035 and T(4) >7.80 microg/dL enhanced predictive values to 88.9 and 83.3%, respectively. NAG(i) values decreased significantly over time in treated nonazotemic cats. CONCLUSIONS AND CLINICAL RELEVANCE: Baseline NAG(i) did not differentiate azotemic from nonazotemic euthyroid cats. NAG(i) could be used to assess renal function during medical therapy allowing the clinician to adjust methimazole dosage accordingly. The combination of USG and T(4) could optimize identification of appropriate candidates for permanent treatment of hyperthyroidism.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».