Focal Segmental Glomerulosclerosis: Assessing the Risk of Relapse
Notice bibliographique
Résumé
Introduction: Kidney outcomes are improved in primary focal segmental glomerulosclerosis (FSGS) by maintaining a remission in proteinuria. However, characteristics associated with relapses are uncertain. We sought to identify these by analyzing each remission. Methods: We performed a retrospective study in patients with biopsy-proven lesions of FSGS, absent identifiable secondary cause, who had at least 1 remission from nephrotic-range proteinuria. In each patient, we identified every remission, every relapse, and their durations. Using a multilevel logistic regression to account for the clustering of multiple remissions within a patient, we tested which clinical characteristics were independently associated with relapses. Results: In 203 individuals, 312 remissions occurred, 177 with and 135 without relapse. A minority of remissions were atypical, defined by either absent hypoalbuminemia and/or no immunosuppression (IS), in contrast to the classic nephrotic syndrome that remits with IS. Atypical remission variants were just as likely to relapse as the classical presentation. Only 24% of remission events were on maintenance therapy at relapse. Independent characteristics associated with relapses were higher maximal proteinuria while nephrotic; and in remission, higher nadir proteinuria, lower serum albumin, and higher blood pressure. Using these variables, we created a tool estimating the 1-year risk of relapse ranging from 9% to 80%, well-calibrated to the observed data. Conclusion: In FSGS, relapses are frequent but predictable using independent clinical characteristics. We also provide evidence that atypical presentations remit and relapse following the same pattern as classic FSGS presentations. Treatment strategies to prolong remission duration should be addressed in future trials.
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 | 0,002 |
| 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) | 0,000 | 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 ».