Notice bibliographique
Résumé
Anemia is one of the main comorbidities related to chronic kidney disease (CKD). Until the advent of erythropoiesis stimulating agents (ESA), endogenous erythropoietin deficiency has been thought to be the main culprit of anemia in CKD patients. The use of ESAs has shed new light on the physiology of CKD anemia, where iron homeostasis plays an increasingly important role. Disorders of iron homeostasis occurring in CKD turn the anemia management in those patients into a complex multifactorial therapeutic task, where ESA and Iron dose must be properly balanced to achieve the desired outcome without exposing the patients to the risk of serious adverse events. This review covers diagnostic markers traditionally used for quantifying iron status in CKD patients, such as serum ferritin and transferrin saturation, new ones, such as reticulocyte hemoglobin content and percent hypochromic red cells (HRC), as well as experimental ones, such as hepcidin and soluble transferrin receptor (sTfR). Each marker is presented in terms of their diagnostic performance, followed by biological and analytical variability data. Advantages and disadvantages of each marker are briefly discussed. Although serum ferritin and transferrin saturation are easily available, they exhibit large biological variability and require caution when used for diagnosing iron status in CKD patients. Reticulocyte hemoglobin content and the percentage of HRC are more powerful, but their widespread use is hampered by the issue of sample stability in storage. sTfR and hepcidin show promise, but require further investigation as well as the development of standardized, low-cost assay platforms.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».