Estimating GFR by Serum Creatinine, Cystatin C, and β2-Microglobulin in Older Adults: Results From the Canadian Study of Longevity in Type 1 Diabetes
Notice bibliographique
Résumé
Introduction Glomerular filtration rate (GFR) is routinely used for clinical assessment of kidney function. However, the accuracy of estimating equations in older adults is uncertain. Methods In 66 adults with ≥50 years type 1 diabetes (T1D) duration and 73 nondiabetic controls from age/sex-matched subgroups (65 ± 8 years old and 77[55%] were women) we evaluated the performance of estimated GFR (eGFR) by creatinine (Modification of Diet and Renal Disease [MDRD], Chronic Kidney Disease–Epidemiology [CKD-EPI] cr ), cystatin C (CKD-EPI cys , CKD-EPI cr-cys ), and β 2 -microglobulin (β2M) compared with measured GFR by inulin clearance (mGFR). Performance was evaluated using metrics of bias (mean difference), precision (SD), and accuracy (proportion of eGFR that differed by >20% of mGFR). Results Mean mGFR was 104 ± 18 ml/min per 1.73 m 2 (range: 70–154 ml/min per 1.73 m 2 ) and was not different between T1D and controls (103 ± 17 vs. 105 ± 19 ml/min per 1.73 m 2 , P = 0.39). All equations significantly underestimated mGFR (bias: −15 to −30 ml/min per 1.73 m 2 , P < 0.001 for all comparisons) except for β2M, which had bias of 1.9 ml/min per 1.73 m 2 ( P = 0.61). Bias was greatest in cystatin C–based equations. Precision was lowest for β2M (SD: 43.5 ml/min per 1.73 m 2 , P < 0.001 for each comparison). Accuracy was lowest for CKD-EPI cysC (69.1%, P < 0.001 for each comparison). Cystatin C–based equations demonstrated greater bias and lower accuracy in older age subgroups (<60, 60–69, ≥70 years). All equations demonstrated greater bias across higher ranges of mGFR (60–89, 90–119, ≥120 ml/min per 1.73 m 2 ). Results were similar between T1D and controls except that β2M had lower performance in T1D. Conclusion Better estimates of GFR in older adults are needed for research and clinical practice, as this subgroup of the population has an amplified risk for the development of chronic kidney disease (CKD) that requires accurate GFR estimation methods.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».