Prospective Biopsy-Based Study of CKD of Unknown Etiology in Sri Lanka
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A kidney disease of unknown cause is common in Sri Lanka's lowland (dry) region. Detailed clinical characterizations of patients with biopsy-proven disease are limited, and there is no current consensus on criteria for a noninvasive diagnosis. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: We designed a prospective study in a major Sri Lankan hospital servicing endemic areas to ascertain pathologic and clinical characteristics of and assess risk factors for primary tubulointerstitial kidney disease. We used logistic regression to determine whether common clinical characteristics could be used to predict the presence of primary tubulointerstitial kidney disease on kidney biopsy. RESULTS: From 600 new patients presenting to a tertiary nephrology clinic over the course of 1 year, 87 underwent kidney biopsy, and 43 (49%) had a biopsy diagnosis of primary tubulointerstitial kidney disease. On detailed biopsy review, 13 (30%) had evidence of moderate to severe active kidney disease, and six (15%) had evidence of moderate to severe chronic tubulointerstitial kidney disease. Patients with tubulointerstitial kidney disease were exclusively born in endemic provinces; 91% spent a majority of their lifespan there. They were more likely men and farmers (risk ratio, 2.0; 95% confidence interval, 1.2 to 2.9), and they were more likely to have used tobacco (risk ratio, 1.7; 95% confidence interval, 1.0 to 2.3) and well water (risk ratio, 1.5; 95% confidence interval, 1.1 to 2.0). Three clinical characteristics-age, urine dipstick for protein, and serum albumin-could predict likelihood of tubulointerstitial kidney disease on biopsy (model sensitivity of 79% and specificity of 84%). Patients referred for kidney biopsy despite comorbid diabetes or hypertension did not experience lower odds of tubulointerstitial kidney disease. CONCLUSIONS: A primary tubulointerstitial kidney disease occurs commonly in specific regions of Sri Lanka with characteristic environmental and lifestyle exposures.
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 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».