#3124 How well do risk assessment guidelines perform for ADPKD?
Notice bibliographique
Résumé
Abstract Background and Aims The approval of Tolvaptan for treatment of ADPKD heralds a new era when mechanism-based therapy is now possible. However, Tolvaptan is an expensive drug associated with potentially serious side effects and is currently reserved for patients at high-risk for progression to ESKD. Two sets of risk assessment guidelines for ADPKD are now available based on the consensus of two panels of nephrologists from Canada and Europe. However, how well do these guidelines perform in risk assessment has not been formally assessed. Method We conducted a prospective study in 474 patients with typical imaging pattern of ADPKD by MRI who also had detailed clinical and laboratory data. We used age- and height-adjusted total kidney volume to derive the Mayo Clinic Imaging Class as a “gold-standard” for risk assessment (i.e. low-risk: 1A-1B; high-risk: 1C-1E). We then applied the revised Canadian guidelines (Can J Kidney Health Dis. 2018) and the updated European guidelines (NDT 2022) to our patient cohort to assess their performance. Results The study cohort consisted of 286/474 (60%) high-risk patients with MCIC 1C-1E. Applying the updated Canadian risk assessment algorithm resulted in exclusion of 245/474 (52%) patients including 86/286 (30%) of the high-risk patients. The resultant cohort (229/474) was enriched with 88% high-risk patients but also included 12% of low-risk patients. The updated European guidelines provide a 3-step hierarchal algorithm, when applied resulted in exclusion of 55% (157/286) of high-risk patients. During the last step, 122 patients could not be classified due to a lack of eGFR slope information. The resultant cohort (180/474) was enriched with 72% high-risk patients but also included 28%(51/180) of low-risk patients. Conclusion Risk assessment in ADPKD is an evolving process that needs to be redefined by new clinical data and test technologies. Clinical guidelines should be evaluated using real-life data and those that enrich high-risk patients while minimizing low-risk patients have the most clinical utility
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 | 0,029 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».