← Retour à la cohorte
Relationship of Estimated GFR and Albuminuria to Concurrent Laboratory Abnormalities: An Individual Participant Data Meta-analysis in a Global Consortium
Lesley A. Inker, Morgan E. Grams, Andrew S. Levey, Josef Coresh, Massimo Círillo, John Collins, Ron T. Gansevoort, Orlando M. Gutiérrez, Takayuki Hamano, Gunnar H. Heine, Shizukiyo Ishikawa, Sun Ha Jee, Florian Kronenberg, Martin Landray, Katsuyuki Miura, Girish N. Nadkarni, Carmen A. Peralta, Dietrich Rothenbacher, Elke Schäeffner, Sanaz Sedaghat, Michael G. Shlipak, Luxia Zhang, Arjan D. van Zuilen, Stein Hallan, Csaba P. Kövesdy, Mark Woodward, Adeera Levin, Brad C. Astor, Larry Appel, Tom Greene, Teresa C. Chen, John Chalmers, Hisatomi Arima, Vlado Perkovic, Hiroshi Yatsuya, Koji Tamakoshi, Yuanying Li, Yoshihisa Hirakawa, Kunihiro Matsushita, Yingying Sang, Kevan R. Polkinghorne, Steven J. Chadban, Robert C. Atkins, Ognjenka Djurdjev, Lisheng Liu, Ming‐Hui Zhao, Fang Wang, Jinwei Wang, Natalie Ebert, Peter Martus, Mila Tang, Insa E. Emrich, Sarah Seiler, Adam M. Zawada, Joseph V. Nally, Sankar D. Navaneethan, Jesse D. Schold, Mark J. Sarnak, Ronit Katz, Jade S. Hiramoto, Hiroyasu Iso, Kazumasa Yamagishi, Mitsumasa Umesawa, Isao Muraki, Masafumi Fukagawa, Shoichi Maruyama, Takeshi Hasegawa, Naohiko Fujii, David C. Wheeler, John Townend, Hermann Brenner, Ben Schöttker, Kai‐Uwe Saum, Caroline S. Fox, Shih‐Jen Hwang, Anna Köttgen, Markus P. Schneider, Kai‐Uwe Eckardt, Jamie Green, H. Lester Kirchner, Alex R. Chang, Kevin Ho, Sadayoshi Ito, Mariko Miyazaki, Masaaki Nakayama, Gen Yamada, Fujiko Irie, Toshimi Sairenchi, Yuichiro Yano, Kazuhiko Kotani, Takeshi Nakamura, Heejin Kimm, Yejin Mok, Gabriel Chodick, Varda Shalev, Jack F.M. Wetzels, Peter J. Blankestijn, Jan A.J.G. van den Brand, Barbara Kollerits, Eberhard Ritz, Dorothea Nitsch, Paul Roderick, Astrid Fletcher, Erwin Böttinger, Stephen B. Ellis, Rajiv Nadukuru, Hirotsugu Ueshima, Akira Okayama, Sachiko Tanaka, Tomonori Okamura, Sachiko Tanaka, Aya Kadota, Timothy Kenealy, C. Raina Elley, Paul Drury, Takayoshi Ohkubo, Kei Asayama, Hirohito Metoki, Masahiro Kikuya, Robert G. Nelson, William C. Knowler, Stephan J. L. Bakker, Eelco Hak, Hiddo J.L. Heerspink, Nigel J. Brunskill, Rupert Major, David Shepherd, James Medcalf, Simerjot K Jassal, Jaclyn Bergstrom, Joachim H. Ix, Elizabeth Barrett‐Connor, Kamyar Kalantar‐Zadeh, Keiichi Sumida, Paul Muntner, David G. Warnock, William McClellan, Dick de Zeeuw, Barry E. Brenner, M. Arfan Ikram, Ewout J. Hoorn, Abbas Dehghan, Juan Jesús Carrero, Alessandro Gasparini, Björn Wettermark, Carl‐Gustaf Elinder, Tien Yin Wong, Charumathi Sabanayagam, Ching‐Yu Cheng, Frank L.J. Visseren, Marie Evans, Mårten Segelmark, Maria Stendahl, Staffan Schön, Navdeep Tangri, Maneesh Sud, David Naimark, Chwen-Keng Tsao, Min-Kugng Tsai, Chien‐Hua Chen, Tsuneo Konta, Atsushi Hirayama, Kazunobu Ichikawa, Lars Lannfelt, Anders Larsson, Johan Ärnlöv, Henk Bilo, Gijs W.D. Landman, Kornelis J. J. van Hateren, Nanne Kleefstra, Josef Coresh Chair, Shoshana H. Ballew, Jingsha Chen, Lucia Kwak, Aditya Surapaneni
Notice bibliographique
RevueAmerican Journal of Kidney Diseases · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Heart, Lung, and Blood InstituteNational Institute on AgingRelypsaNational Center for Research ResourcesNovartis PharmaNational Institutes of HealthKidney Research UKNational Institute of Neurological Disorders and StrokeNational Institute for Health and Care ResearchNational Health and Medical Research CouncilFresenius Medical Care North AmericaAmerican Heart AssociationUniversity of WashingtonMedical Research CouncilSanofiEuropean CommissionNational Institute of Diabetes and Digestive and Kidney DiseasesAmgen
Mots-clésMedicineAlbuminuriaMeta-analysisRenal functionInternal medicineUrology
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,042 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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.
Tête enseignante Opus0,266
Tête enseignante GPT0,451
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations94
Publié2018
Routes d'admission1
Résumé présentnon