Shear wave elastography evaluation of cats with chronic kidney disease
Notice bibliographique
Résumé
Chronic kidney disease (CKD) is a major health condition in cats that can lead to poor quality of life and financial implications for therapy. Currently staging and identification of CKD is limited by diagnostic testing such as creatinine and urine-specific gravity, which do not change until late in the disease course. Other methods to evaluate CKD would be valuable in the clinical setting. Shear wave elastography is one novel ultrasound method, which has shown promise in identifying increases in tissue stiffness and identifying CKD in people. As CKD is often histologically characterized by tubulointerstitial fibrosis, shear wave elastography has the potential to identify CKD and differentiate between stages of CKD in cats. This prospective observational case-control study with 78 cats found no difference in shear wave velocities between groups (P = 0.33), a contradictory finding to one prior publication. There was no effect of weight (P = 0.65), nor the presence of mineralization (P = 0.31) or infarction (P = 0.52) on cortical shear wave velocities. There was a significant effect of age on shear wave velocity (P = 0.018) where velocities increased with age. The intraclass correlation coefficient was only moderate (0.62). Possible reasons for the difference in results between our work and that published prior, include differences in methodology and differences in instrumentation. Variability in measurements in our population may be due to the effects of respiratory motion or limitations in shear wave elastography software. As such, shear wave elastography is not currently recommended as a tool to evaluate CKD in cats and further work is necessary.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».