Impact of Biomarkers in the Eligibility Criteria of AKI Randomized Controlled Trials: A Systematic Review with Meta-Analysis
Notice bibliographique
Résumé
Background: There is a growing interest around novel approaches for assessing acute kidney injury (AKI). Some clinical trials have used kidney biomarkers as part of their eligibility criteria to better select participants. This might cause a selection bias, as the expected event rate used to measure the sample size is based on prior studies without such criteria. Methods: We searched for studies published after 2010 in MEDLINE, EMBASE, GOOGLE Scholar, EBM Reviews, MedRxiv and PROSPERO. We included RCTs with biomarkers as eligibility criteria that assess kidney outcomes, defined as the incidence or composite of acute kidney injury, major adverse renal or cardiac events, initiation of dialysis or death. The main aim of this review was to quantify the discrepancy between the anticipated (used in sample size estimation) and the observed event rates for control and intervention groups. Results: A total of 14 RCTs involving 3817 patients were included. Biomarkers of interest were NGAL (4 studies), TIMP-2*IGFBP7 (3 studies), proteinuria (3 studies), albumin, NT-pro-BNP, homocysteine and uric acid. The mean risk difference between the anticipated and observed event rates was 0.098 (SD±0.115, p=0.58) for control groups and 0.116 (SD±0.106, p<0.01) for intervention groups. For RCTs with tubular damage biomarkers (NGAL, TIMP-2*IGFBP7 and proteinuria), the mean risk differences were 0.118 (SD±0.130, p=0.46) and 0.154 (SD±0.103, p=0.008) for the control and intervention groups respectively. Conclusion: The use of biomarkers as an enrichment method for selecting participants in AKI RCTs is associated with a difference between expected and observed incidence rates. Investigators must consider the implications of integrating such criteria on the event rate of RCTs. Funding: Clinical Revenue Support
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 | 0,052 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,104 | 0,088 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».