Limited Evidence for Use of a Black Race Modifier in eGFR Calculations: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Commonly used estimated glomerular filtration rate (eGFR) equations include a Black race modifier (BRM) that was incorporated during equation derivation. Race is a social construct, and a poorly characterized variable that is applied inconsistently in clinical settings. The BRM results in higher eGFR for any creatinine concentration, implying fundamental differences in creatinine production or excretion in Black individuals compared to other populations. Equations without inclusion of the BRM have the potential to detect kidney disease earlier in patients at the greatest risk of chronic kidney disease (CKD), but also has the potential to over-diagnose CKD or impact downstream clinical interventions. The purpose of this study was to use an evidence-based approach to systematically evaluate the literature relevant to the performance of the eGFR equations with and without the BRM and to examine the clinical impact of the use or removal. CONTENT: PubMed and Embase databases were searched for studies comparing measured GFR to eGFR in racially diverse adult populations using the Modification of Diet in Renal Disease or the 2009-Chronic Kidney Disease Epidemiology Collaboration-creatinine equations based on standardized creatinine measurements. Additionally, we searched for studies comparing clinical use of eGFR calculated with and without the BRM. Here, 8632 unique publications were identified; an additional 3 studies were added post hoc. In total, 96 studies were subjected to further analysis and 44 studies were used to make a final assessment. SUMMARY: There is limited published evidence to support the use of a BRM in eGFR equations.
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 | 0,001 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| 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 | 0,001 | 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 ».