New Creatinine- and Cystatin C–Based Equations to Estimate GFR without Race
Notice bibliographique
Résumé
BACKGROUND: Current equations for estimated glomerular filtration rate (eGFR) that use serum creatinine or cystatin C incorporate age, sex, and race to estimate measured GFR. However, race in eGFR equations is a social and not a biologic construct. METHODS: We developed new eGFR equations without race using data from two development data sets: 10 studies (8254 participants, 31.5% Black) for serum creatinine and 13 studies (5352 participants, 39.7% Black) for both serum creatinine and cystatin C. In a validation data set of 12 studies (4050 participants, 14.3% Black), we compared the accuracy of new eGFR equations to measured GFR. We projected the prevalence of chronic kidney disease (CKD) and GFR stages in a sample of U.S. adults, using current and new equations. RESULTS: ; 95% CI, 3.4 to 4.4). For all equations, 85% or more of the eGFRs for Blacks and non-Blacks were within 30% of measured GFR. New creatinine-cystatin C equations without race were more accurate than new creatinine equations, with smaller differences between race groups. As compared with the current creatinine equation, the new creatinine equations, but not the new creatinine-cystatin C equations, increased population estimates of CKD prevalence among Blacks and yielded similar or lower prevalence among non-Blacks. CONCLUSIONS: New eGFR equations that incorporate creatinine and cystatin C but omit race are more accurate and led to smaller differences between Black participants and non-Black participants than new equations without race with either creatinine or cystatin C alone. (Funded by the National Institute of Diabetes and Digestive and Kidney Diseases.).
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 | 0,013 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».