State of the Art for Measurement of Urine Albumin: Comparison of Routine Measurement Procedures to Isotope Dilution Tandem Mass Spectrometry
Notice bibliographique
Résumé
BACKGROUND: Urine albumin is the primary biomarker for detection and monitoring of kidney damage. Because fixed decision criteria are used to identify patients with increased values, we investigated if commonly used routine measurement procedures gave comparable results. METHODS: Results from 17 commercially available urine albumin measurement procedures were investigated vs an isotope dilution mass spectrometry (IDMS) procedure. Nonfrozen aliquots of freshly collected urine from 332 patients with chronic kidney disease, diabetes, cardiovascular disease, and hypertension were distributed to manufacturers to perform urine albumin measurements according to the respective instructions for use for each procedure. Frozen aliquots were used for measurements by the IDMS procedure. An error model was used to determine imprecision and bias components. RESULTS: Median differences between the largest positive and negative biases vs IDMS were 45%, 37%, and 42% in the concentration intervals of 12-30 mg/L, 31-200 mg/L, and 201-1064 mg/L, respectively. Biases varied with concentration for most procedures and exceeded ± 10% over the concentration interval for 14 of 16 quantitative procedures. Mean biases ranged from -35% to 34% at 15 mg/L. Dilution of samples with high concentrations introduced bias for 4 procedures. The combined CV was >10% for 5 procedures. It was not possible to estimate total error due to dependence of bias on concentration. CVs for sample-specific influences were 0% to 15.2%. CONCLUSIONS: Bias was the dominant source of disagreement among routine measurement procedures. Consequently, standardization efforts will improve agreement among results. Variation of bias with concentration needs to be addressed by manufacturers.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».