Urinary Biomarkers in Relapsing Antineutrophil Cytoplasmic Antibody-associated Vasculitis
Notice bibliographique
Résumé
OBJECTIVE: Glomerulonephritis (GN) is common in antineutrophil cytoplasmic antibody (ANCA)-associated vasculitis (AAV), but tools for early detection of renal involvement are imperfect. We investigated 4 urinary proteins as markers of active renal AAV: alpha-1 acid glycoprotein (AGP), kidney injury molecule-1 (KIM-1), monocyte chemoattractant protein-1 (MCP-1), and neutrophil gelatinase-associated lipocalin (NGAL). METHODS: Patients with active renal AAV (n = 20), active nonrenal AAV (n = 16), and AAV in longterm remission (n = 14) were identified within a longitudinal cohort. Urinary biomarker concentrations (by ELISA) were normalized for urine creatinine. Marker levels during active AAV were compared to baseline remission levels (from 1-4 visits) for each patient. Areas under receiver-operating characteristic curves (AUC), sensitivities, specificities, and likelihood ratios (LR) comparing disease states were calculated. RESULTS: Baseline biomarker levels varied among patients. All 4 markers increased during renal flares (p < 0.05). MCP-1 discriminated best between active renal disease and remission: a 1.3-fold increase in MCP-1 had 94% sensitivity and 89% specificity for active renal disease (AUC = 0.93, positive LR 8.5, negative LR 0.07). Increased MCP-1 also characterized 50% of apparently nonrenal flares. Change in AGP, KIM-1, or NGAL showed more modest ability to distinguish active renal disease from remission (AUC 0.71-0.75). Hematuria was noted in 83% of active renal episodes, but also 43% of nonrenal flares and 25% of remission samples. CONCLUSION: Either urinary MCP-1 is not specific for GN in AAV, or it identifies early GN not detected by standard assessment and thus has potential to improve care. A followup study with kidney biopsy as the gold standard is needed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 ».