Can methods based on spot urine samples be used to estimate average population 24 h sodium excretion? Results from the Isfahan Salt Study
Notice bibliographique
Résumé
OBJECTIVE: To assess agreement between established methods of estimating salt intake from spot urine collections and 24 h urinary Na (24hUNa) and then to develop a valid formula that can be used in the Iranian population to estimate salt intake from spot urine samples. DESIGN: A validation study. Three spot urine samples were collected (fasting second-void morning; afternoon; evening) on the same day as a 24 h urine collection. We estimated 24hUNa from spot specimens using the Kawasaki, Tanaka and INTERSALT equations. Two new formulas were developed, the Iran formula 1 (Iran 1) and Iran formula 2 (Iran 2), based on our population characteristics. SETTING: Iranian adults recruited in 2014-2015. PARTICIPANTS: Healthy volunteer adults aged ≥18 years. RESULTS: With all three spot urine specimens, predicted population 24hUNa was underestimated based on the INTERSALT equation (-469 to -708 mg/d; all P < 0·05) and conversely overestimation occurred with the Kawasaki equation (926 to 1080 mg/d; all P < 0·01). The Tanaka equation produced comparable estimates to measured 24hUNa (-151 to 86 mg/d; all P > 0·49). The newly derived formulas, Iran 1 and Iran 2, showed less mean bias than the established equations (Iran 1: 43 to 80 mg/d, all P > 0·55; Iran 2: 22 to 90 mg/d, all P > 0·50). CONCLUSIONS: In this Iranian sample, the Tanaka equation and newly derived formulas produced group-level estimates comparable to measured 24hUNa. The newly developed formulas showed less mean bias than established equations; however, they need to be tested for generalization in a larger sample.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».