Estimating the Change in Renal Function During the First Year of Therapy in ANCA-Associated Vasculitis
Notice bibliographique
Résumé
Introduction Studies in antineutrophil cytoplasmic autoantibody (ANCA)–associated vasculitis (AAV) consistently show that the months following diagnosis have the greatest impact on the long-term renal function. Yet, it remains uncertain how much early gain should be expected with treatment. We sought to determine the factors associated with the change in glomerular filtration rate (GFR) throughout the first year. Methods We retrospectively reviewed patients from 3 university hospitals who received treatments. We assessed the proportions of glomeruli with crescents, with global sclerosis, the AAV glomerulonephritis classification, the severity of chronic vascular and tubulo-interstitial disease, and the presence of acute tubular injury (ATI). We used repeated-measures analyses of variance (ANOVAs) to determine factors associated with the change in GFR throughout the first year. Results There were 162 individuals with AAV identified, 96 with a valid renal biopsy and 82 with at least 12 months of follow-up. The initial GFR of 30 ± 25 ml/min per 1.73 m 2 rose by 15 ± 20 during the first year. The severity of pathology findings, myeloperoxidase positivity, and those with kidney- and lung-limited disease presented with a lower GFR. Younger patients with a lower initial GFR and the presence of ATI correlated with a greater increase in GFR by 12 months. A higher proportion of crescents did not predict the change in GFR, contrary to global glomerulosclerosis, where each 10% increase added a loss of 2.7 ± 1.3 ml/min per 1.73 m 2 per year ( P = 0.03). These factors remained independent of each other. Conclusion Multiple factors influence renal recovery during the first year of therapy. Estimating the change in GFR early on will help identify and reassess outliers.
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) | 0,001 | 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 ».