Correlation Between Renal Dimensions and Anthropometric Indices Using Computed Tomography in Adults Without Known Renal Disease: A Cross-Sectional Prospective Study
Notice bibliographique
Résumé
Background: Assessing renal volume as a potential indicator of renal function and related disorders is valuable for clinical decision-making. Computed tomography (CT) can accurately estimate actual kidney size. Objectives: This study aimed to evaluate the relationship between anthropometric parameters and renal dimensions measured by CT. Methods: Renal CT scan evaluations were performed on 634 individuals (308 males and 326 females) who had undergone abdominopelvic CT scans for indications unrelated to renal disease. Renal parameters, including length, width, depth, volume, and cortex length, were measured. Results: The mean age of participants was 53.5 ± 13.7 years (range: 18 - 86 years). Renal dimensions in males were larger than those in females. Additionally, the left kidney showed larger dimensions than the right kidney in both genders. Renal dimensions increased with age initially, but began to decrease after the sixth decade of life. A significant negative correlation was found between age and renal length, cortex, and left renal volume. In contrast, a significant positive correlation was observed between weight and both renal depth, length, volume, and left renal cortex, as well as between height and both renal length and volume on both sides. All dimensions except renal length were greater with increasing Body Mass Index (BMI). Conclusions: The results indicate a significant correlation between kidney dimensions and various anthropometric factors such as age, weight, height, and BMI. These findings provide valuable insights into kidney dimensions measured on CT scans, potentially aiding in the diagnosis and treatment of kidney diseases.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; 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 ».