MétaCan
Menu
Retour à la cohorte
Enregistrement W4397040681 · doi:10.1681/asn.20233411s127c

Cystatin C-Defined AKI in Children Treated with Cisplatin

2023· article· en· W4397040681 sur OpenAlexaff
Erin Hessey, Kelly R. McMahon, Tom Blydt‐Hansen, Cherry Mammen, Michael Zappitelli

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Research and Pathophysiology
Établissements canadiensUniversity of British ColumbiaMcGill University Health CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCystatin CCisplatinMedicineUrologyInternal medicineAcute kidney injuryOncologyIntensive care medicineRenal functionChemotherapy

Résumé

récupéré en direct d'OpenAlex

Background: Cisplatin chemotherapy causes acute kidney injury (AKI). Early AKI detection and mitigation may prevent long-term sequelae. Serum Cystatin C (CysC) may be an early AKI biomarker compared to SCr and is not impacted by muscle mass. We: 1) compared AKI defined by acute CysC change (CysC-AKI) to SCr-defined AKI (SCr-AKI) in children treated with cisplatin; 2) evaluated the relation of a) urine neutrophil gelatinase-associated lipocalin [NGAL] and kidney injury molecule-1 [KIM-1] with CysC-AKI and SCr-AKI and b) of CysC with SCr-AKI. Methods: 12-centre prospective study of 159 children receiving cisplatin. Exclusions: CKD, missing CysC or baseline SCr. At early cisplatin infusions (1st or 2nd cisplatin cycle), SCr, CysC, urine NGAL and KIM-1 were measured pre-/post-infusion and at discharge. Outcomes: KDIGO SCr-AKI (yes/no). CysC-AKI was ≥1.5x rise from baseline or CysC-GFR<35ml/min/1.73m2. We calculated kappa statistic for agreement of AKI definitions, Mann-Whitney U test to compare biomarker levels by AKI, and area under the curve (AUC) for a) NGAL/KIM-1 to predict CysC-AKI and SCr-AKI and b) for CysC to predict SCr-AKI. Results: 154 children included (51% male, median age [IQR] 5.6 [2.4-11.7] years). SCr-AKI 7/154 (5%), CysC-AKI 25/154 (16%), 83% agreement (kappa=0.13, p=0.025). There was no significant difference in NGAL or KIM-1 concentrations by SCr-AKI or CysC-AKI at all time points (Figure1). Pre- and post-infusion NGAL performed similarly to predict SCr-AKI and CysC-AKI (Figure1). KIM-1 poorly predicted SCr-AKI and CysC-AKI (Figure1). Pre-infusion CysC had the highest AUC for predicting SCr-AKI (AUC 0.56).Figure 1:: Comparison of urinary biomarkers (NGAL/KIM-1) by SCr-AKI and CysC-AKI in children treated with clsplatin.Conclusions: CysC-AKI had a low level of agreement with SCr-AKI in children treated with cisplatin. CysC was not a strong predictor of SCr-AKI in this population. Future studies with more measurement time points are needed to determine if this is possibly due to earlier rise of CysC compared to SCr. NGAL and KIM-1 did not strongly predict AKI by either definition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,301
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), 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 revueJournal of the American Society of NephrologyMême sujetBiomedical Research and PathophysiologyTravaux en français237 207