Cystatin C as Predictor of Long-Term Mortality in Elderly: a Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Prediction of mortality in growing aged population will offer several benefits for health sector. Cystatin C, which has long been known as biomarker to more accurately evaluate glomerular filtration rate in elderly, has also been shown to predict mortality from several studies. Studies regarding its predictive ability were vastly varied, and there has not been systematic review to examine its ability in predicting long-term mortality in elderly population. This study aimed to evaluate cystatin C performance as predictor for all-cause and cardiovascular mortality among elderly population. A systematic review of prospective cohort studies was performed. Literature searching was done in major databases such as PubMed, Cochrane, Scopus, EBSCOhost, and ProQuest. Manual searching was also performed. Inclusion criteria were studies involving elderly age 65 or older, cystatin C serum levels available, all-cause mortality as outcome, and 5-year minimum of follow-up. Study selection was performed according to PRISMA algorithm. Newcastle–Ottawa scale for cohort study was used to assess primary studies’ quality and risk of bias. Study results were presented in descriptive tables and forest plot. Initial searching revealed 609 hits with 12 studies eligible for the review: five studies evaluated all-cause mortality, three studies evaluated cardiovascular mortality, and four studies evaluated both. Meta-analysis showed that high cystatin C levels are increasing risk of long-term all-cause mortality [(HR: 1.74 (95% CI: 1.48–2.04); p < 0.0001)] and cardiovascular mortality [HR: 2.01 (95% CI: 1.63–2.47); p < 0.0001)]. The prognostic ability of cystatin C was considerably moderate [AUC 0.70 (95% CI: 0.68–0.72); p = 0.02]. Cystatin C was able to predict long-term mortality in elderly population.
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».