MétaCan
Menu
Retour à la cohorte
Enregistrement W2342297770 · doi:10.3389/fped.2016.00039

Ethnic Differences in Childhood Nephrotic Syndrome

2016· review· en· W2342297770 sur OpenAlexaff
Rahul Chanchlani, Rulan S. Parekh

Notice bibliographique

RevueFrontiers in Pediatrics · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Diseases and Glomerulopathies
Établissements canadiensUniversity Health NetworkHospital for Sick ChildrenMcMaster Children's HospitalInstitute for Clinical Evaluative SciencesSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésNephrotic syndromeFocal segmental glomerulosclerosisMinimal change diseaseMedicineEthnic groupIncidence (geometry)DiseaseProteinuriaPediatricsInternal medicineKidney

Résumé

récupéré en direct d'OpenAlex

Nephrotic syndrome is a common glomerular disease in children with significant variability in both incidence and steroid responsiveness among various ethnic groups. The average incidence of nephrotic syndrome is 2-16.9 per 100,000 children worldwide. Understanding the variability by ethnicity may point to potential factors leading to nephrotic syndrome, which remains elusive, and may highlight factors accounting for differences in medication response. The emerging role of genetic factors associated with steroid responsive and steroid-resistant forms of nephrotic syndrome within an ethnic group can provide insight into potential biological mechanisms leading to disease. For example, among African-Americans, the risk variants in APOL1 are associated with a more than 10-fold increase in risk of focal segmental glomerulosclerosis and high-risk carriers have a twofold greater risk of progression to end-stage renal disease. Ongoing collaborative studies should consider capturing data on self-reported ethnicity to understand differences in incidence and outcomes. In the future, the availability of whole-genome data will provide an excellent opportunity for new clinical and translational research in childhood nephrotic syndrome and lead to a better understanding of the disease.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,027
Tête enseignante GPT0,296
Écart entre enseignants0,269 · 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

Citations154
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PediatricsMême sujetRenal Diseases and GlomerulopathiesTravaux en français237 207