Diagnostic Accuracy of Smartphone-Enabled Urinary Albumin-to-Creatinine Ratio Testing
Notice bibliographique
Résumé
BACKGROUND: Albuminuria is an important biomarker for detecting chronic kidney disease (CKD), particularly in at-risk individuals. Advances in diagnostic technology have introduced home-use, semiquantitative testing methods such as the FDA-cleared Minuteful Kidney Test (MKT). This study compares the diagnostic accuracy of the MKT to the Beckman Coulter AU 480 analyzer, a standard laboratory quantitative method, for detecting albuminuria in individuals with or at risk for CKD. METHODS: Urine samples were obtained from individuals with risk factors for kidney damage. Each sample was analyzed for the urinary albumin-to-creatinine ratio (uACR) using both the MKT and the laboratory standard method. Albuminuria was classified according to KDIGO guidelines: A1 (uACR <30 mg/g, "normal to mildly increased"), A2 (uACR 30-300 mg/g, "moderately increased"), and A3 (uACR >300 mg/g, "severely increased"). Sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) of MKT were calculated against the laboratory standard. RESULTS: Out of 615 collected urine samples, 555 met inclusion criteria. Albuminuria (uACR >30 mg/g) was detected in 24.9% of samples using the laboratory method (95% CI: 21.3%-28.5%). The MKT demonstrated a sensitivity of 96.4%, specificity of 84.2%, NPV of 98.6%, and PPV of 66.8%. MKT accurately categorized 85.6% of samples into the KDIGO albuminuria categories A1, A2, and A3, identifying 100% of laboratory-confirmed A3 samples as abnormal. CONCLUSIONS: The MKT shows high sensitivity, exceeding the guideline-required threshold (>85%, P < 0.001), and acceptable specificity for detecting albuminuria in high-risk populations. This device offers the potential to improve CKD detection and management and facilitate early intervention in primary care and community settings, where accurate rule-out capabilities are essential.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».