SP033WHAT DIFFERENCE A FORMULA MAKES? ELIGIBILITY FOR TOLVAPTAN THERAPY FOR ADPKD - HOW TO SELECT THOSE WHO WILL BENEFIT THE MOST FROM TREATMENT?
Notice bibliographique
Résumé
Introduction and Aims: Excitement about ADPKD has never been greater with the European regulatory approval of the use of Tolvaptan (Januvia) in progressive disease in 2015. But, what exactly constitutes progressive ADPKD? Tempo 3:4 was of course a trial examining the change in total kidney volume as the primary outcome. But in clinical practice this is hard - often impossible - to measure. GFR is easier to use, of course, but even here, there are nuances and considerations, not the least which CKD formula / methodology to deploy. We wanted to examine the impact of age, and of different CKD formulae, on the likely numbers of patients eligible for treatment, from our ADPKD cohort. In addition, we wanted to see how well BP is currently controlled in this condition, using the same cohort with reference to the HALT-PKD study from 2014. Methods: We searched our electronic databases and patient files to construct a "long list" of patients with ADPKD, of all ages, genders, races, and with an MDRD eGFR of 30-90 mls/min. We also then used clinical and laboratory data to complete an analysis of each patient, including their current BP levels in clinic, and, the type of BP treatment if any in use. We compared the results from MDRD formula derived eGFR to CKD-Epi creatinine (2009) formulae derived eGFR (all creatinines traceable). We audited the clinic BP against HALT-PKD criteria (intensive BP 95-110/60-75 mm Hg) and standard BP (120-130/70-80 mm Hg).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».