Assessment of GFR in Patients with Cancer
Notice bibliographique
Résumé
Accurate assessment of GFR is crucial to guiding drug eligibility, dosing of systemic therapy, and minimizing the risks of both undertreatment and toxicity in patients with cancer. Up to 32% of patients with cancer have baseline CKD, and both malignancy and treatment may cause kidney injury and subsequent CKD. To date, there has been lack of guidance to standardize approaches to GFR estimation in the cancer population. In this two-part statement from the American Society of Onco-Nephrology, we present key messages for estimation of GFR in patients with cancer, including the choice of GFR estimating equation, use of race and body surface area adjustment, and anticancer drug dose-adjustment in the setting of CKD. These key messages are based on a systematic review of studies assessing GFR estimating equations using serum creatinine and cystatin C in patients with cancer, against a measured GFR comparator. The preponderance of current data involving validated GFR estimating equations involves the CKD Epidemiology Collaboration (CKD-EPI) equations, with 2508 patients in whom CKD-EPI using serum creatinine and cystatin C was assessed (eight studies) and 15,349 in whom CKD-EPI with serum creatinine was assessed (22 studies). The former may have improved performance metrics and be less susceptible to shortfalls of eGFR using serum creatinine alone. Since included studies were moderate quality or lower, the American Society of Onco-Nephrology Position Committee rated the certainty of evidence as low. Additional studies are needed to assess the accuracy of other validated eGFR equations in patients with cancer. Given the importance of accurate and timely eGFR assessment, we advocate for the use of validated GFR estimating equations incorporating both serum creatinine and cystatin C in patients with cancer. Measurement of GFR via exogenous filtration markers should be considered in patients with cancer for whom eGFR results in borderline eligibility for therapies or clinical trials.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».