Differential Bias for Creatinine- and Cystatin C- Derived Estimated Glomerular Filtration Rate in Critical COVID-19
Notice bibliographique
Résumé
COVID-19 is a systemic disease, frequently affecting kidney function. Dexamethasone is standard treatment in severe COVID-19 cases, and is considered to increase plasma levels of cystatin C. However, this has not been studied in COVID-19. Glomerular filtration rate (GFR) is a clinically important indicator of renal function, but often estimated using equations (eGFR) based on filtered metabolites. This study focuses on sources of bias for eGFRs (mL/min) using a creatinine-based equation (eGFRLMR) and a cystatin C-based equation (eGFRCAPA) in intensive-care-treated patients with COVID-19. This study was performed on 351 patients aged 18 years old or above with severe COVID-19 infections, admitted to the intensive care unit (ICU) in Uppsala University Hospital, a tertiary care hospital in Uppsala, Sweden, between 14 March 2020 and 10 March 2021. Dexamethasone treatment (6 mg for up to 10 days) was introduced 22 June 2020 (n = 232). Values are presented as medians (IQR). eGFRCAPA in dexamethasone-treated patients was 69 (37), and 74 (46) in patients not given dexamethasone (p = 0.01). eGFRLMR was not affected by dexamethasone. eGFRLMR in females was 94 (20), and 75 (38) in males (p = 0.00001). Age and maximal CRP correlated negatively to eGFRCAPA and eGFRLMR, whereas both eGFR equations correlated positively to BMI. In ICU patients with COVID-19, dexamethasone treatment was associated with reduced eGFRCAPA. This finding may be explained by corticosteroid-induced increases in plasma cystatin C. This observation is important from a clinical perspective since adequate interpretation of laboratory results is crucial.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».