MétaCan
Menu
Retour à la cohorte
Enregistrement W4390858778 · doi:10.1080/00365513.2023.2275278

Reference standard analysis of multiple new and old plasma clearance models and renal clearance with special attention to measurement of reduced glomerular filtration rate

2023· article· en· W4390858778 sur OpenAlexaff
Carl A. Wesolowski

Notice bibliographique

RevueScandinavian Journal of Clinical and Laboratory Investigation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensUniversity of SaskatchewanRoyal University Hospital
Organismes subventionnairesnon disponible
Mots-clésRenal functionUrologyStandard deviationStatisticsMathematicsStandard errorLogarithmChemistryMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

anions in 98 studies. Noncompartmental methods formed an upper limit for estimating mass excreted and voluntary urine collection formed a lower limit. For current models and methods, reduced GFR in adults resulted in inflated clearance estimates. Two different logarithmic models with exponential tails were created and may have underestimated reduced clearance. The logarithmic formulae can be used with only two plasma samples, and fit 13 multiple time-samples from 5 min to 24 h with an 8% standard deviation of residuals compared to 20% error for monoexponentials. For shorter times (4 or 5 h) the fit errors decreased but the ratio of errors remained at circa 2.5 times lesser for the logarithmic versus monoexponential models. Adaptively regularised gamma variate, Tk-GV, models that are well documented, but not in common use, were largely contained within the reference extreme values, were unbiased for different levels of clearance and were the only models to be uncorrelated to volume of distribution from mean residence time divided by weight. Using Tk-GV as a candidate reference standard, potentially better methods for routine clinical usage were discussed. Prospective clinical testing, and metabolic scaling of decreased renal function is advised for potential changes to patient triage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,324
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Clinical and Laboratory InvestigationMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207