Technical Considerations and Confounders for Urine CXCL10 Chemokine Measurement
Notice bibliographique
Résumé
Background. The urine C-X-C motif chemokine 10 (CXCL10) is a promising screening biomarker for renal allograft rejection. The aim of the study was to investigate important technical and biological aspects as well as potential confounders when measuring urine CXCL10. Methods. We analyzed 595 urine samples from 117 patients, who participated in a randomized controlled trial investigating the clinical utility of urine CXCL10 monitoring for posttransplant management. Urine CXCL10 was measured by an immunoassay using electrochemiluminescence. Results. Intraassay coefficient of variation was 2.5%, and interassay coefficient of variation was 10%. Urine CXCL10 remained stable (ie, <10% degradation) for 8 hours at 25°C or 37°C and for 3 days at 4°C. CXCL10 concentrations [pg/mL] strongly correlated with urine CXCL10/creatinine ratios [ng/mmol] (r 2 = 0.98; P < 0.0001). Leucocyturia and active BK-polyomavirus infection are associated with higher CXCL10 concentrations, while allograft function, serum CRP, patient age, proteinuria, urine pH, hematuria, squamous epithelia cell count, and bacteriuria did not correlate with urine CXCL10 concentrations. In 145 paired samples obtained within 1–2 weeks, 80% showed a CXCL10/creatinine ratio change of < ±2 ng/mmol or ±50%, respectively. Conclusions. Urine CXCL10 measurement on the used platform is accurate and robust. Leucocyturia and active BK-polyomavirus infection are major confounders, which can be easily detected but represent important diagnostic “blind spots” when using urine CXCL10 to screen for allograft rejection. The intraindividual biological variability of urine CXCL10 within 1–2 weeks is mostly below ±50%, which is still much higher than the technical variability due to sample handling/processing (<20%).
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) | 0,000 | 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 ».