Evaluation of Cockcroft-Gault (CG) and abbreviated Modified Diet in Renal Disease Study (MDRD) formulas for carboplatin dosing in gynecological malignancies
Notice bibliographique
Résumé
2078 Background: Carboplatin dosing is usually based on glomerular filtration rate (GFR) and area under the curve (AUC). CG and MDRD are based on serum creatinine (SrCr) to estimate GFR (eGFR) when measured GFR (mGFR) is impractical. MDRD is more accurate at low GFR in non-cancer patients and does not need body weight, but it was derived excluding patients with cancer or low albumin. We compared the accuracy of CG and MDRD in carboplatin dosing in gynecological patients. Methods: Patient data were collected retrospectively at the British Columbia Cancer Agency. Formula-derived eGFR was compared to mGFR (renogram with nuclear medicine camera and Tc-99m DTPA). eGFR-derived dose was compared to mGFR-derived dose. Bias (percentage error [PE]) and precision (absolute percentage error [APE]) were compared with 2-sided paired t-test. Results: 96 patients (70% ovarian cancer) were evaluated: median 60y, 62kg, 159cm, SrCr 71micromol/L, GFR 91mL/min, AUC 6. Both formulas had limited precision with a small bias for eGFR and dosing. [table] 85% of patients would have received a significantly different dose (APE >5%) if eGFR from either formula were used. MDRD was more precise than CG. 70% of patients would have received a significantly different dose (APE >5%) because of the difference in eGFR derived from these two formulas. Conclusion: MDRD has higher precision and similar bias compared to CG. MDRD may be an alternative to CG for carboplatin dosing in patients with gynecological malignancies. However, both formulas have limited precision as an estimate of mGFR. No significant financial relationships to disclose.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».