MétaCan
Menu
Retour à la cohorte
Enregistrement W2322670039 · doi:10.5414/cn107324

Cystatin C and acute changes in glomerular filtration rate

2012· review· en· W2322670039 sur OpenAlexafffund
Ayodele Odutayo, David Cherney

Notice bibliographique

RevueClinical Nephrology · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensSunnybrook HospitalSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineRenal functionCystatin CCreatinineAcute kidney injuryNephrologyUrologyInternal medicineNephropathyIntensive care medicineKidney diseaseSurrogate endpointDiabetes mellitusEndocrinology

Résumé

récupéré en direct d'OpenAlex

The identification of an effective marker of acutely changing kidney function is a priority in clinical nephrology. While serum creatinine is the most widely used surrogate for glomerular filtration rate (GFR), its vulnerability to non-glomerular clearance results in biased estimates of GFR and may delay the identification of acute changes. Alternatively, cystatin C (CysC) has been recognized as a promising marker of GFR. Controlled physiological studies in diabetes, protein-induced glomerular hyperfiltration and extreme exercise demonstrated that acute changes in CysC provide a better approximation of GFR than serum creatinine. Clinical studies examining contrast induced nephropathy, acute kidney injury, and kidney transplantation have also demonstrated several possible advantages of CysC with respect to accurately measuring GFR and early diagnosis of renal dysfunction. CysC measurements also provide ancillary benefits such as improved prediction of patient outcomes and prognosis. Our aim was to review the literature on short-term changes in CysC over days, weeks and months to explore the clinical utility of CysC in the acute setting. Based on existing evidence, CysC may improve clinicians' ability to detect acute changes in kidney 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,431
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical NephrologyMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207