Association Between Newborn Metabolic Profiles and Pediatric Kidney Disease
Notice bibliographique
Résumé
INTRODUCTION: Metabolomics offers considerable promise in early disease detection. We set out to test the hypothesis that routine newborn metabolic profiles at birth, obtained through screening for inborn errors of metabolism, would be associated with kidney disease and add incremental information to known clinical risk factors. METHODS: We conducted a population-level cohort study in Ontario, Canada, using metabolic profiles from 1,288,905 newborns from 2006 to 2015. The primary outcome was chronic kidney disease (CKD) or dialysis. Individual metabolites and their ratio combinations were examined by logistic regression after adjustment for established risk factors for kidney disease and incremental risk prediction measured. RESULTS: CKD occurred in 2086 (0.16%, median time 612 days) and dialysis in 641 (0.05%, median time 99 days) infants and children. Individual metabolites consisted of amino acids, acylcarnitines, markers of fatty acid oxidation, and others. Base models incorporating clinical risk factors only provided c-statistics of 0.61 for CKD and 0.70 for dialysis. The addition of identified metabolites to risk prediciton models resulted in significant incremental improvement in the performance of both models (CKD model: c-statistic 0.66 NRI 0.36 IDI 0.04, dialysis model: c-statistic 0.77 NRI 0.57 IDI 0.09). This was consistent after internal validation using bootstrapping and a sensitivity analysis excluding outcomes within the first 30 days. CONCLUSION: Routinely collected screening metabolites at birth are associated with CKD and the need for dialytic therapies in infants and children, and add incremental information to traditional clinical risk factors.
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 | 0,003 |
| 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 ».