Spot Urine Protein Measurements
Notice bibliographique
Résumé
BACKGROUND: Proteinuria and albuminuria are important markers of allograft pathology and are associated with graft loss and cardiovascular disease. Traditionally, these have been quantified using a 24-hr urine collection, but spot urine measurements (albumin-creatinine and protein-creatinine ratios) have become popular because of convenience. Aside from tests of correlation, there has been little evaluation of these measurements in kidney transplantation. METHODS: To further assess the value of albumin-creatinine and protein-creatinine ratios, we measured protein-creatinine ratio and 24-hr urine protein excretion (n=192) and albumin-creatinine ratio and 24-hr urine albumin excretion (n=189) in stable renal transplant patients. Bias (measured minus estimated value), precision, and accuracy was calculated. RESULTS: For the protein-creatinine ratio, percent bias ranged from 12% to 21%, and the accuracy (within 30% of 24-hr collection) was only 47% to 56% depending on the degree of proteinuria. For the albumin-creatinine ratio, percent bias ranged from 9% to 21%, and the accuracy (within 30%) ranged from 38% to 80% depending on the degree of albuminuria. There was no statistical difference between accuracy of protein-creatinine and albumin-creatinine ratios. CONCLUSIONS: The ability of the albumin-creatinine and protein-creatinine ratios to accurately predict 24-hr albumin and protein excretion is modest. Given the similar accuracy of both measurements, either protein-creatinine ratio or albumin-creatinine ratio can be used for monitoring protein excretion. However, given the limitations of both the albumin-creatinine ratio and protein-creatinine ratio in this population, a 24-hr urine collection should be considered before making major clinical decisions (e.g., biopsy) based on the presence of proteinuria.
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 | 0,000 | 0,000 |
| 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 ».