MétaCan
Menu
Retour à la cohorte
Enregistrement W2465162052 · doi:10.4137/bmi.s39199

Changes in Urinary and Serum Levels of Novel Biomarkers after Administration of Gadolinium-based Contrast Agents

2016· article· en· W2465162052 sur OpenAlexaff
Habib Mawad, Louis‐Philippe Laurin, Jean‐François Naud, Nathalie Henley, Michel Vallée, Vincent Pichette, Martine Leblanc

Notice bibliographique

RevueBiomarker Insights · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésCreatinineUrinary systemMedicineCystatin CRenal functionLipocalinNeutrophil gelatinase-associated lipocalinUrologyCystatinInternal medicineImpaired renal functionGadoliniumEndocrinologyChemistry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of our study is to describe the changes in urinary and serum levels of novel biomarkers after gadolinium contrast administration in patients with normal renal function. METHODS: We measured four biomarkers in 28 volunteers: interleukin-18 (IL-18), N-acetyl-glucosaminidase (NAG), neutrophil gelatinase-associated lipocalin, and cystatin C. Urinary and serum samples were collected at 0, 3, and 24 hours following gadolinium administration. RESULTS: Baseline serum creatinine was 57.8 ± 34.5 µmol/L and remained stable. Urinary IL-18 levels increased significantly at three hours (10.7 vs. 7.3 ng/mg creatinine; P < 0.05). Similarly, urinary NAG levels increased significantly at three hours (3.9 vs. 2.2 IU/mg creatinine; P < 0.001). For both these markers, the difference was no longer significant at 24 hours. No statistically significant differences were observed for urinary and serum neutrophil gelatinase-associated lipocalin levels and for serum cystatin C levels. CONCLUSIONS: Urinary IL-18 and NAG levels increased transiently after administration of gadolinium-based contrast agents in patients with normal renal 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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,345
Écart entre enseignants0,262 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomarker InsightsMême sujetAcute Kidney Injury ResearchTravaux en français237 207