Interferon-α as a biomarker to predict renal outcomes in lupus nephritis
Notice bibliographique
Résumé
OBJECTIVE: To determine if serum interferon (IFN)-α levels at the time of a lupus nephritis (LN) flare are associated with renal outcomes. METHODS: Patients with an LN flare who had a preflare estimated glomerular filtration rate (eGFR) ≥60 mL/min were included in the study. The following outcomes were ascertained: (1) Time to first and second LN flares during follow-up, (2) Time to a sustained decline in eGFR by 30% and 50%, and progression to end-stage renal disease (ESRD, <15 mL/min), and (3) Time to an adverse renal event (≥2 renal flares and/or at least a 30% sustained decline in eGFR during follow-up). Serum IFN-α was measured by Simoa. RESULTS: 92 patients with active LN were included in the study. Elevated serum baseline levels of IFN-α predicted poor renal outcomes. Patients with higher baseline IFN-α had a greater risk of having two or more subsequent LN flares (HR: 1.31 (1.08-1.59), p=0.006), sustained 30% decline in eGFR (HR: 1.27 (1.14-1.40), p<0.001), 50% decline in eGFR (HR: 1.27 (1.12-1.33), p<0.001) and progressing to ESRD (HR: 1.29 (1.14-1.47), p<0.001). Receiver operating characteristic analysis identified an IFN-α cut-off, 0.6 pg/ml, for predicting an adverse renal event. CONCLUSIONS: Elevated serum IFN-α levels measured at the time of an LN flare are associated with poor renal outcomes, including the development of ≥2 LN flares, and a clinically meaningful decline in kidney function.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».