Notice bibliographique
Résumé
Sir, In the above-mentioned letter, concerns regarding the calibration of creatinine and the ELISA method used to measure cystatin C were raised as a potential drawback of the manuscript. We thank the authors for their constructive criticism. Several points should be raised, however, in support of our conclusion. First, we tested the modified MDRD2-IDMS method, which is suggested as an additional equation for centres that use the Synchron LX20 system to measure their serum creatinine. Secondly, many of the above-tested equations were developed with methods closer to ours than the most recently modified assays. Thirdly, as we have identified in the manuscript, Hallan et al . have demonstrated elegantly that the bias between the creatinine-based methods is lower in patients with higher serum creatinine. Stevens et al . have studied the impact of creatinine calibration on the performance of GFR estimating equations in a pooled individual patient database. They concluded that the effect of calibration was greater at higher levels of GFR. For the C–G equation, calibration worsened the median percentage of difference from −2% to −11.4%. Calibration improved median percentage of difference between measured and estimated GFR by the MDRD2 equation from 9% to 5.8%. A striking finding, however, was their conclusion that calibration could not account for variation in assay performance among individuals. After calibration, larger errors remained for GFR estimates >16 ml/min/1.73 m 2 [ 1 ].
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,019 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,010 |
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 ».