MétaCan
Menu
Retour à la cohorte
Enregistrement W2563173249 · doi:10.1371/journal.pone.0165402

ANCA-Associated Glomerulonephritis: Risk Factors for Renal Relapse

2016· article· en· W2563173249 sur OpenAlexaff
Arda Göçeroǧlu, Annelies E. Berden, Marta Fiocco, Oliver Floßmann, Kerstin Westman, Franco Ferrario, Gill Gaskin, Charles D. Pusey, E. Christiaan Hagen, Laure‐Hélène Noël, Niels Rasmussen, Rüdiger Waldherr, Michael Walsh, Jan A. Bruijn, David Jayne, Ingeborg M. Bajema

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueVasculitis and related conditions
Établissements canadiensSt. Joseph's HospitalMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesMaastricht Universitair Medisch CentrumSt. George's, University of LondonUniversiteit MaastrichtLeids Universitair Medisch CentrumEuropean CommissionNational Institute for Health and Care ResearchUniversiteit LeidenAmerican Society of Nephrology
Mots-clésMedicineProportional hazards modelInternal medicineVasculitisCumulative incidenceGlomerulonephritisKidneyDiseaseCohort

Résumé

récupéré en direct d'OpenAlex

Relapse in ANCA-associated vasculitis (AAV) has been studied previously, but there are few studies on renal relapse in particular. Identifying patients at high risk of renal relapse may aid in optimizing clinical management. We investigated which clinical and histological parameters are risk factors for renal relapse in ANCA-associated glomerulonephritis (AAGN). Patients (n = 174) were newly diagnosed and had mild-moderate or severe renal involvement. Data were derived from two trials of the European Vasculitis Society: MEPEX and CYCAZAREM. The Cox regression model was used to identify parameters increasing the instantaneous risk (= rate) of renal relapse (useful for instant clinical decisions). For identifying predictors of renal relapse during follow-up, we used Fine & Gray's regression model. Competing events were end-stage renal failure and death. The cumulative incidence of renal relapse at 5 years was 9.5% (95% CI: 4.8-14.3%). In the Cox model, sclerotic class AAGN increased the instantaneous risk of renal relapse. In Fine & Gray's model, the absence of interstitial infiltrates at diagnosis was predictive for renal relapse. In this study we used two different models to identify possible relationships between clinical and histopathological parameters at time of diagnosis of AAV with the risk of experiencing renal relapse. Sclerotic class AAGN increased the instantaneous risk of renal relapse. This association is most likely due to the high proportion of sclerosed glomeruli reducing the compensatory capacity. The absence of interstitial infiltrates increased the risk of renal relapse which is a warning sign that patients with a relatively benign onset of disease may also be prone to renal relapse. Renal relapses occurring in patients with sclerotic class AAGN and renal relapses occurring in patients without interstitial infiltrates were mutually exclusive, which may indicate that they are essentially different.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,030
Tête enseignante GPT0,235
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVasculitis and related conditionsTravaux en français237 207