A Molecular Nearest-Neighbours Approach to Diagnosis and Prognosis in Kidney Transplant Biopsies.
Notice bibliographique
Résumé
While assessment of the conventional and molecular phenotype of a biopsy provides diagnostic information, it stops short of providing a sense of what is likely to happen. We used a molecular nearest-neighbours approach to predict diagnoses and prognoses in a series of kidney transplant biopsies-for-cause. We have previously developed univariate molecular classifiers for various kidney pathologies. In the present study, we combined the molecular scores for ABMR, TCMR, rejection, fibrosis, loss of solute carriers, and injury/repair, in a reference set of 538 biopsies. These scores were then reduced into 3-dimensional space via principal components analysis (PCA). As new cases presented, their molecular scores were projected into this space.Figure: No Caption available.The histologic diagnosis of each new sample's 50 nearest neighbours was then obtained, along with their 1- and 3-year survival rates. Three-dimensional Euclidean distance was used to define proximity.Table: No Caption available.The clinical application of the nearest neighbours is illustrated by two cases. Case 1 received a live donor transplant 64 days earlier and had stable but impaired function. The biopsy showed no rejection and relatively little AKI. Most neighbours had been diagnosed with no rejection, and 98% survived to at least one year. Case 2 illustrates a much more troubled kidney, presenting with rising creatinine 9.8 years post transplant and suspected recurrent disease. Many of its nearest neighbours had rejection, with 1- and 3-year survival of 71% and 45% respectively. This illustrates how the nearest neighbours approach, by comparing new patients with a large reference set of similar cases, can provide the clinician with a sense of the impact of these molecular phenotypes. DISCLOSURES:Halloran, P.: Other, Astellas, lecturing, Novartis, lecturing, One Lambda, lecturing.
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 | 0,000 |
| 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 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 ».