Membranous Nephropathy in the UK Biobank
Notice bibliographique
Résumé
Abstract Background Despite MN being one of the most common causes of nephrotic syndrome worldwide, its biological and environmental determinants are poorly understood in large-part due to it being a rare disease. Making use of the UK Biobank, a unique resource holding a clinical dataset and stored DNA, serum and urine for ∼500,000 participants, this study aims to address this gap in understanding. Methods The primary outcome was putative MN as defined by ICD-10 codes occurring in the UK Biobank. Univariate relative risk regression modelling was used to assess the associations between the incidence of MN and related phenotypes with sociodemographic, environmental exposures, and previously described increased-risk SNPs. Results 502,507 patients were included in the study of whom 100 were found to have a putative diagnosis of MN; 36 at baseline and 64 during the follow-up. Prevalence at baseline and last follow-up were 72 and 199 cases/million respectively. At baseline, as expected, the majority of those previously diagnosed with MN had proteinuria, and there was already evidence of proteinuria in patients diagnosed within the first 5 years of follow-up. The highest incidence rate for MN in patients was seen in those homozygous for the high-risk alleles (9.9/100,000 person-years). Conclusion It is feasible to putatively identify patients with MN in the UK Biobank and cases are still accumulating. This study shows the chronicity of disease with proteinuria present years before diagnosis. Genetics plays an important role in disease pathogenesis, with the at-risk group providing a potential population for recall.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».