Estimating Glomerular Filtration Rate in Kidney Transplantation
Notice bibliographique
Résumé
Accurate measurement of GFR is critical for the evaluation of new therapies and the care of renal transplant recipients. Although not accurate in renal transplantation, GFR is often estimated using creatinine-based equations. Cystatin C is a marker of GFR that seems to be more accurate than creatinine. Equations to predict GFR based on the serum cystatin C concentration have been developed, but their accuracy in transplantation is unknown. GFR was estimated using four equations (Filler, Le Bricon, Larsson, and Hoek) that are based on serum cystatin C and seven equations that are based on serum creatinine in 117 adult renal transplant recipients. GFR was measured using radiolabeled diethylenetriaminepentaacetic acid (99mTc-DTPA), and the bias, precision, and accuracy of each equation were determined. The mean (99m)Tc-DTPA GFR was 58 +/- 23 ml/min per 1.73 m(2). The cystatin C-based equations of Filler and Le Bricon had the lowest bias (-1.7 and -3.8 ml/min per 1.73 m2), greatest precision (11.4 and 11.8 ml/min per 1.73 m2), and highest accuracy (87 and 89% within 30% of measured GFR, respectively). The cystatin C equations remained accurate even when the measured GFR was >60 ml/min per 1.73 m2. The creatinine-based equations were not as accurate, with only 53 to 80% of estimates within 30% of measured GFR. Cystatin C-based equations are more accurate at predicting GFR in renal transplant recipients than traditional creatinine-based equations. Further prospective studies with repetitive measurement of cystatin C are needed to determine whether cystatin C-based estimates of GFR will be sufficiently accurate to monitor long-term allograft function.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».