Tubular Injury Biomarkers to Predict CKD and Hypertension at 3 Months Post-Cisplatin in Children
Notice bibliographique
Résumé
Key Points Tubular injury biomarkers are not individually strong predictors of 3-month post-cisplatin CKD. When combined with clinical measures, tubular injury biomarkers can predict post-therapy hypertension and identify high-risk patients. Background Urine kidney injury biomarkers measured during cisplatin therapy may identify patients at risk of adverse subsequent kidney outcomes. We examined relationships between tubular injury biomarkers collected early (early visit [EV]: first or s econd cisplatin cycle) and late (late visit: last or second-last cisplatin cycle) during cisplatin therapy, with 3-month post-cisplatin CKD and hypertension (HTN). Methods We analyzed data from the Applying Biomarkers to Minimize Long-Term Effects of Childhood/Adolescent Cancer Treatment Nephrotoxicity study, a 12-center prospective cohort study of 159 children receiving cisplatin. We measured urine neutrophil gelatinase-associated lipocalin (NGAL)/creatinine, kidney injury molecule-1/creatinine, tissue inhibitor of metalloproteinase-2 (TIMP-2), and insulin-like growth factor-binding protein 7 (IGFBP-7) (TIMP-2 and IGFBP-7 expressed as their product, ng/ml 2 /1000) at an EV and late visit during cisplatin therapy with preinfusion, postinfusion, and hospital discharge sampling. Area under the curve (AUC) was calculated for biomarkers to detect 3-month post-cisplatin CKD (Kidney Disease Improving Global Outcomes guidelines: low eGFR or elevated urine albumin-to-creatinine ratio for age) and HTN (three BPs; per American Academy of Pediatrics guidelines). Results At median follow-up of 90 days, 52 of 118 patients (44%) and 17 of 125 patients (14%) developed CKD and HTN, respectively. Biomarker prediction for 3-month CKD was low to modest; NGAL combined with kidney injury molecule-1 at EV discharge yielded the highest AUC (0.67; 95% confidence interval, 0.57 to 0.77). Biomarker prediction of 3-month HTN was stronger, but modest; the highest AUC was from combining EV preinfusion NGAL and TIMP-2×IGFBP-7 (0.71; 95% confidence interval, 0.62 to 0.80). When EV preinfusion NGAL and TIMP-2×IGFBP-7 were added to the 3-month HTN clinical predictive model, AUCs increased from 0.81 (0.72 to 0.91) to 0.89 (0.83 to 0.95) ( P < 0.05). Conclusions Tubular injury biomarkers we studied were individually not strong predictors of 3-month post-cisplatin kidney outcomes. Adding biomarkers to existing clinical prediction models may help predict post-therapy HTN and identify higher kidney-risk patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».