Membranous Nephropathy Outcomes Among Children and Adults: Cure Glomerulonephropathy Study (CureGN)
Notice bibliographique
Résumé
Background: Membranous nephropathy (MN) is a rare entity in children, whereas it’s one of the most common causes of primary nephrotic syndrome in adults. There are limited data on disease progression in children, as well as uncertainty about differences between childhood vs adult-onset MN. Methods: CureGN is a multi-center prospective, observational cohort of individuals with biopsy-proven glomerular diseases. For this analysis, baseline clinical data and proportion of time on immunosuppression (IS) across study follow up were reported. Cox proportional hazard models were used to estimate time to kidney outcomes, and linear mixed models to assess estimated glomerular filtration rate (eGFR) trajectories. Models were adjusted for sex, age at biopsy, IS prior to biopsy, urine protein to creatinine ratio (UPCR), eGFR, and time from biopsy to enrollment. Results: Among 608 MN participants (580 with ≥1 follow-up visit), 54 (9%) had childhood-onset MN (age <18 at time of biopsy) with characteristics including: 48% female, median age 14 years (IQR, 12-17), and 15% self-identify as Black. Overall, childhood-onset MN had an increased risk of end stage kidney disease (HR, 5.1; 95% CI, 1.45-18) in comparison to adults. The eGFR decline was steeper in children (-3.75 (±0.87) ml/min/1.73m2 per year) than adults (-0.14 (±0.78) ml/min/1.73m2 per year) (p<0.0001). Conclusions: Despite potential for remission, children with MN had steeper eGFR decline and faster time to kidney failure than adults. Additional data are needed to extend our understanding of determinants of disease and outcomes to guide therapies and inform practice guidelines. Funding: NIDDK Support - Children (n=54) Adults (n=554) Enrollment Median eGFR (ml/min/1.73m2, IQR)* 107 (91-122) 77 (50-98) Median UPCR (mg/mg, IQR) 1.5 (0.4-5.3) 2.9 (0.9-6.6) Follow-up Follow-up time (years, IQR) 4.7 (3.0-6.4) 4.4 (2.4 -6.0) Proportion of time off IS (%) 57 74 *CKiD-U25 if age <25 year, CKD-EPI-2021 if age ≥ 25 years
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».