Update on the Assessment of GFR in Patients with Cancer
Notice bibliographique
Résumé
Accurate assessment of GFR is key in patients with cancer to guide drug eligibility, adjust dosing of systemic therapy, and minimize the risks of undertreatment and systemic toxicity. Several aspects of GFR evaluation in patients with cancer have been unclear, such as the choice of the GFR estimating equation and the overall lack of data on the reliability of new filtration markers, such as cystatin C. This uncertainty has led to concerns that inaccurate GFR estimation may have a large effect on clinical practice and research. Recent data have brought important developments to the field. The new and timely Kidney Disease Improving Global Outcomes 2024 Clinical Practice Guideline for the Evaluation and Management of CKD raised important considerations and provided guidance on key aspects of GFR evaluation in patients with cancer. The guidelines cover valid estimating equations, incorporation of cystatin C in GFR estimation, drawbacks of using race in GFR estimation, and acknowledge that non-GFR determinants of filtration markers may be prominent in patients with cancer, reducing the accuracy of GFR estimating equations, prompting greater utilization of GFR measurement. The aim of this review is to summarize advances in GFR evaluation in patients with cancer considering the new Kidney Disease Improving Global Outcomes guidelines and other recent data.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».