Clinical and Histological Predictors of Outcomes in C3 Glomerulopathy
Notice bibliographique
Résumé
Background: C3 glomerulopathy (C3G) is a rare disease that has significant overlap with idiopathic membranoproliferative glomerulonephritis (MPGN). Risk factors for kidney outcomes remains poorly defined, limited by small cohorts. We aimed todetermine risk factors for kidney outcomes and to incorporate them into a prediction model Methods: Using a cohort of 225 patients with C3G or idiopathic MPGN from three international centers, we evaluated the association between clinical and histologic variables at biopsy and the composite outcome of 30% decline in eGFR or ESKD using Cox proportional hazards models. A prediction model was derived and internally validated through bootstrap resampling Results: In a multivariable model, lower eGFR, paraprotein presence, and interstitial fibrosis were associated with higher risk of outcome, while native (versus transplant) disease and lower C4 levels were associated with lower risk (Table1). The prediction model including these variables performed well (R2D: 53.14%, C-statistic: 0.84 (95% CI 0.82-0.86), integrated calibration index: 0.31), maintaining robustness after internal validation. Adding proteinuria over time showed that a 50% reduction from baseline to <1g/day was associated with a lower risk of outcome (HR 0.35, 95% CI 0.12-0.97) Conclusion: In the largest C3G/MPGN study to date, baseline eGFR, paraprotein, interstitial fibrosis, low C4 and transplant status were independently associated with kidney outcome. These factors can be used in a prediction model to predict individual patient risk. A 50% reduction in proteinuria to <1g/day was associated with lower kidney risk, suggesting it may be an evidence-based definition of proteinuria remission to use in clinical trials Covariates for the risk of progression to the composite outcome in a multivariable model - Parameter Adjusted HR (95% CI) P value eGFR (per 1 log base 2-unit decrease) 2.11 (1.66-2.67) <0.001 Native kidney (versus transplant) 0.35 (0.20-0.60) <0.001 Paraprotein 4.42 (2.00-9.77) <0.001 Low C4 0.51 (0.29-0.90) 0.02 Interstitial fibrosis 1 2.03 (1.03-4.01) 0.04 2 3.01 (1.56-5.83) 0.001 3 4.68 (2.05-10.68) <0.001 Interstitial fibrosis score: 0 (<10%), 1 (10%-25%), 2 (26%-50%) and 3 (>50%)
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».