Hemorrhagic Cysts and Other <scp>MR</scp> Biomarkers for Predicting Renal Dysfunction Progression in Autosomal Dominant Polycystic Kidney Disease
Notice bibliographique
Résumé
Background Screening for rapidly progressing autosomal dominant polycystic kidney disease (ADPKD) is necessary for assigning and monitoring therapies. Height‐adjusted total kidney volume (ht‐TKV) is an accepted biomarker for clinical prognostication, but represents only a small fraction of information on abdominal MRI. Purpose To investigate the utility of other MR features of ADPKD to predict progression. Study Type Single‐center retrospective. Population Longitudinal data from 186 ADPKD subjects with baseline serum creatinine, PKD gene testing, abdominal MRI measurements, and ≥2 follow‐up serum creatinine were reviewed. Field Strength/Sequence 1.5T, T2‐weighted single‐shot fast spin echo, T1‐weighted 3D spoiled gradient echo (liver accelerated volume acquisition) and 2D cine velocity encoded gradient echo (phase contrast MRA). Assessment Ht‐TKV, renal blood flow (RBF), number and fraction of renal and hepatic cysts, bright T1 hemorrhagic renal cysts, and liver and spleen volumes were independently assessed by three observers blinded to estimated glomerular filtration rate (eGFR) data. Statistical Tests Linear mixed‐effect models were applied to predict eGFR over time using MRI features at baseline adjusted for confounders. Validation was performed in 158 patients who had follow‐up MRI using receiver operator characteristic, sensitivity, and specificity. Results Hemorrhagic cysts, fraction of renal and hepatic cysts, height‐adjusted liver and spleen volumes were significant independent predictors of future eGFR (final prediction model R2 = 0.88 P < 0.05). The number of hemorrhagic cysts significantly improved the prediction compared to ht‐TKV in predicting future eGFR (area under the curve [AUC] = 0.94, 95% confidence interval [CI]: 0.9–0.94 vs. R2 = 0.9, 95% CI: 0.85–0.9, P = 0.045). For baseline eGFR ≥60 ml/min/1.73m2, sensitivity for predicting eGFR<45 ml/min/1.73m2 by ht‐TKV alone was 29%. Sensitivity increased to 72% with all MRI variables in the model (P < 0.05 = 0.019), whereas specificity was unchanged, 100% vs. 99%. Data Conclusion Combining multiple MR features including hemorrhagic renal cysts, renal cyst fraction, liver and spleen volume, hepatic cyst fraction, and renal blood flow enhanced sensitivity for predicting eGFR decline in ADPKD compared to the standard model including only ht‐TKV. Level of Evidence 2 Technical Efficacy Stage 2 J. MAGN. RESON. IMAGING 2021;53:564–576.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».