An independent validation of the kidney failure risk equation in an Asian population
Notice bibliographique
Résumé
Predicting the risk of end-stage renal disease (ESRD) progression facilitates appropriate nephrology care of patients with chronic kidney disease (CKD). Previously, the kidney failure risk equations (KFREs) were developed and validated in several cohorts. The purpose of this study is to validate the KFREs in a Korean population and to recalibrate the equations. A total of 38,905 adult patients, including 13,244 patients with CKD stages G3-G5, who were referred to nephrology were recruited. Using the original KFREs (4-, 6- and 8-variable equations) and recalibration equations, we predicted the risk of 2- and 5-year ESRD progression. All analyses were conducted in CKD stages G3-G5 patients as well as the total population. In CKD stages G3-G5 patients, All the original 4-, 6- and 8-variable equations showed excellent areas under the receiver operating characteristic curve of 0.87 and 0.83 for the 2- and 5-year risk of ESRD, respectively. The results of net reclassification improvement, integrated discrimination index and Brier score showed that recalibration improved the prediction models in some cases. The original KFREs showed high discrimination in both CKD stages G3-G5 patients and the total population referred to nephrology in this large Korean cohort. KFREs can be implemented in Korean health systems and can guide nephrology referrals and other CKD-related treatment decisions.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».