MétaCan
Menu
Retour à la cohorte
Enregistrement W2804289427 · doi:10.1093/ndt/gfy104.fp377

FP377NOVEL RISK-BASED THRESHOLDS FOR BONE MINERAL BIOMARKERS IN ADVANCED CKD

2018· article· en· W2804289427 sur OpenAlexaffabout
Mark Canney, Ognjenka Djurdjev, Mila Tang, Claudia Zierold, Frank Blocki, Fabrizio Bonelli, Myles Wolf, Adeera Levin

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensSt. Paul's HospitalBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineBone mineralInternal medicineIntensive care medicineOsteoporosis

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION AND AIMS: Current laboratory reference ranges for bone mineral biomarkers (BMB) are drawn from normal population values, and have limited utility in advanced CKD. Current guidelines offer little to facilitate the interpretation of BMB results, which may contribute to therapeutic nihilism. We aimed to describe expected values of parathyroid hormone (PTH), fibroblast growth factor 23 (FGF23), 1,25-dihydroxyvitamin D (1,25D3), and 25-hydroxyvitamin D3 (25D3) with decreasing eGFR, and to establish risk-based thresholds for each biomarker within specific eGFR intervals. METHODS: Using data from a prospective cohort study of 1812 patient with advanced CKD in Canada under the care of nephrologists between 2008-2013, we measured intact PTH, FGF23, 1,25D3, and 25D3 in a central laboratory using sensitive DiaSorin assays. Adjudicated cardiovascular (ischaemic heart disease, congestive heart failure, stroke and sudden cardiac death) and renal outcomes (40% decrease in eGFR or initiation of renal replacement therapy) were recorded over 5 years of follow-up. We describe the expected distribution of BMBs as a function of eGFR, and determine risk-based thresholds by eGFR level using a robust computational methodology (Contal and O'Quigle). RESULTS: The mean age was 68.9, 62% were male and 45% were diabetic. The mean eGFR was 28.9 ±10 ml/min per 1.73m2 with 19.4%, 40.3% and 40.3% with eGFR <20, 20-29 and >30 ml/min per 1.73m2 respectively. The median follow up of the cohort was 52 months. Within each category of eGFR, there were statistically significant differences in PTH, FGF23, 25D3 and 1,25D3 levels (see Table). For each of the BMBs, a high proportion of the cohort had values outside the laboratory reference range, and these proportions were higher at lower levels of eGFR. Risk-based thresholds differed by eGFR level and identified significantly different proportions of patients at risk. For example, advanced CKD patients with PTH above the laboratory reference range, but below the risk-based threshold, did not have significantly higher risk of cardiovascular events. However, patients with PTH above the risk-based threshold had significantly higher risk of events compared with patients above the laboratory reference range but below the risk-based threshold (eGFR 20-30 ml/min: HR=1.78, 95% CI: 1.17-2.72; eGFR < 20ml/min: HR=1.86, 95% CI: 1.19-2.89). CONCLUSIONS: The majority of patients with advanced CKD have values of BMB that are outside the laboratory reference range. Furthermore, the distributions of BMB vary at different levels of eGFR. We propose that employing risk-based thresholds of BMB may serve to inform clinicians of ‘expected values’ of BMB within eGFR ranges, and eGFR-specific values that confer increased risk of hard outcomes. Further studies are needed to validate these findings, and to determine the clinical utility of this novel approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,271
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207