Quantification of Muscle Wasting in CKD by Texture Analysis on 1H-Magnetic Resonance Images
Notice bibliographique
Résumé
Background: Functionally significant muscle wasting is prevalent in chronic kidney disease (CKD). Currently, muscle quality assessment requires biopsy and microscopy. 1H-Magnetic Resonance Imaging (MRI) is non-invasive and can be used to assess changes in skeletal muscle composition. This study aims to utilize 1H-MRI to establish a quantitative metric for muscle heterogeneity, a potential biomarker of muscle quality and composition in patients with CKD, both requiring hemodialysis (HD) and earlier stages. Methods: 1H T1-weighted axial images (3 Tesla) of the calf were acquired on 43 CKD, 34 HD, and 8 with cardiorenal syndrome (CR). Gastrocnemius and soleus muscles were delineated and the heterogeneity quantification algorithm was applied. The magnitude of pixel intensity gradation between pixel-pair combinations was computed, resulting in a value, zeta, to represent the mean heterogeneity. A one-way ANOVA was performed for significance in heterogeneity between the three cohorts. Combining all participants (n=85), Pearson correlations was completed for blood markers of kidney function in relation to muscle heterogeneity. Results: Muscle heterogeneity of HD and CR were comparable but significantly more heterogeneous relative to CKD (Figure 1). Negative correlations were seen with albumin and 1,25 Vitamin D with relation to muscle heterogeneity (Figure 2A, B). A positive association was seen with PTH with respect to muscle heterogeneity (Figure 2C). Conclusion: Muscle heterogeneity of HD and CR may be indicative of fibrosis and wasting that is more pronounced than progressive CKD not on dialysis. Relationship between blood markers of kidney function and muscle heterogeneity suggest texture analysis to be a useful tool for non-invasive evaluation of kidney disease on skeletal muscle structure and function. Funding: Government Support – Non-U.S.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».