Shear Wave Elastography in the Evaluation of Renal Parenchymal Stiffness in Patients With Chronic Kidney Disease: A Meta-Analysis
Notice bibliographique
Résumé
Background: Chronic kidney disease (CKD) is a progressive loss of renal function, mainly due to hypertension, diabetes, and primary kidney disease. The histopathological findings are that of glomerulosclerosis, tubulointerstitial fibrosis and loss of renal parenchyma characterized. Therefrom, CKD can lead to higher morbidity and mortality. Patients with CKD have multiple risk factors, and the prevention work is complicated and arduous. Therefore, it is important to quantify the severity of CKD. The aim of this study is to investigate the value of shear wave elastography (SWE) in the evaluating renal parenchymal stiffness in patients with CKD. Methods: We carried out the systematic search of databases for publications in PubMed, Embase and Cochrane Library on SWE evaluating renal fibrosis in patients with CKD. The Endnote X9, STATA 16, Review Manager 5.3 and other software were used to sort out documents, extract, integrate and analyze data. Results: The outcomes were utilized to appraise the diagnostic accuracy of SWE and diagnose the CKD with renal fibrosis. A total of 405 patients were enrolled and their data analysis results were as follows: summary of sensitivity (S-SEN) 84% (95% confidence interval (CI): 80-87%); specificity (S-SPE) 80% (95% CI: 76-84%); summary of DLR (digital light radiography) positive (DLR-P) 4.29 (95% CI: 3.43 - 5.37); and DLR negative (DLR-N) 0.20 (95% CI: 0.16 - 0.25). The corresponding areas under the curves of diagnostic odds ratio (DOR) and summary receiver operating characteristic curve (SROC) were 21.50 (95% CI: 14.69 - 31.46) and 89% (95% CI: 86-92%), respectively. Conclusions: SWE is highly accurate and has clinical significance for evaluating renal fibrosis, especially when the shear modulus value is used as the threshold.
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 | 0,042 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».