Impact of Kidney Biopsy Findings Including Oxford MEST-C Scores on Kidney Outcomes in IgA Vasculitis Nephritis (IgAVN): A Study of the International IgA Nephropathy Network
Notice bibliographique
Résumé
Background: Nephritis is a common manifestation of IgAV and is morphologically indistinguishable from IgA nephropathy (IgAN). However, while MEST-C scores are predictive of outcomes in IgAN, their value in IgAVN has not been widely studied. Methods: Biopsies from 361 patients with IgAVN (262 children, 99 adults) from 17 centers in N. America, Europe and Asia were independently scored by 3 pathologists. Median time from clinical onset to biopsy was 2.0 mo, median post-biopsy follow-up was 2.7 y, 309 (85.6%) patients received immunosuppression (IS) during follow-up. As few patients developed ESKD or ≥30% eGFR decline, Latent Class Mixed Models (LCMM) were used to analyze eGFR trajectory post-biopsy in patients treated with IS. Association of clinical and histologic parameters with the different classes of eGFR trajectory was examined by logistic regression. Results: Two classes were identified by LCMM (Figure), one with initial improvement in eGFR followed by a more notable decline (Class 1, n = 91) and one with stable disease (Class 2, n = 218). Among MEST-C scores, only E1 was predictive of Class 1 by multivariable analysis (OR 2.3; 95% CI 1.1,4.5); other scores were not although only 4.5% of patients had T>0. Other predictors of Class 1 were age ≤18 y, male sex, lower eGFR at biopsy, and extrarenal, non-cutaneous disease. Fibrous crescents were predictive of Class 2. Conclusions: The clinical course of biopsied and treated patients with IgAVN is determined by active lesions, notably endocapillary hypercellularity (E1) which is not part of the ISKDC classification for IgAVN. The results support including MEST-C scores in biopsy reports of IgAVN. Patients with IgAVN, even those with initial therapeutic response, require long-term follow-up due to risk of late renal function decline. Funding: Private Foundation SupportClasses of eGFR trajectory identified by LCMM. Shaded areas are confidence intervals.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».