<scp>CT</scp> volumetry is superior to nuclear renography for prediction of residual kidney function in living donors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Living kidney donor evaluation commonly includes nuclear renography to assess split kidney function and computed tomography (CT) scan to evaluate anatomy. To streamline donor workup and minimize exposure to radioisotopes, we sought to assess the feasibility of using proportional kidney volume from CT volumetry in lieu of nuclear renography. We examined the correlation between techniques and assessed their ability to predict residual postoperative kidney function following live donor nephrectomy. In a cohort of 224 live kidney donors, we compared proportional kidney volume derived by CT volumetry with split kidney function derived from nuclear renography and found only modest correlation (left kidney R(2) =26.2%, right kidney R(2) =26.7%). In a subset of 88 live kidney donors with serum creatinine measured 6 months postoperatively, we compared observed estimated glomerular filtration rate (eGFR) at 6 months with predicted eGFR from preoperative imaging. Compared to nuclear renography, CT volumetry more closely approximated actual observed postoperative eGFR for Chronic Kidney Disease Epidemiology Collaboration (J-test: P=.02, Cox-Pesaran test: P=.01) and Mayo formulas (J-test: P=.004, Cox-Pesaran test: P<.001). These observations support the use of CT volumetry for estimation of split kidney function in healthy individuals with normal kidney function and morphology.
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.
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 | 0,001 | 0,001 |
| 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 découle