Polyneuropathy in Kidney Transplant Recipients: Accuracy of a New Clinical Diagnostic Scoring System
Notice bibliographique
Résumé
ABSTRACT Background and Aims Polyneuropathy is highly prevalent among kidney transplant recipients (KTR), underscoring the need for an accurate yet easy‐to‐perform diagnostic method to improve understanding and enable early identification of treatable cases. Methods This study included KTR at least 12 months post‐transplant at the University Medical Centre Groningen, the Netherlands. An expert panel assessed polyneuropathy through a structured neurological examination, quantitative sensory testing, and nerve conduction studies. The modified Toronto Clinical Neuropathy Score (mTCNS) was obtained from all participants. Logistic regression analyses with Firth penalization validated the mTCNS components. A new model, the Kidney Transplant Neuropathy Score (KTNS), was developed through stepwise elimination. Diagnostic performance was evaluated with bootstrapped metrics and ROC curve analyses. Results Among 160 KTR, 91 (57%) were diagnosed with polyneuropathy. All 10 mTCNS components were univariably associated with polyneuropathy; numbness (OR = 4.9 [1.8–18.0]), tingling (OR = 2.5 [1.2–5.9]), impaired nociception (OR = 1.5 [1.1–2.2]), and reduced vibration perception (OR = 1.5 [1.0–2.4]) remained independently associated in multivariable analysis. The mTCNS achieved an area under the curve (AUC) in ROC analysis of 0.83 [0.76–0.89]. Two KTNS were derived: the KTNSBasic, including history of numbness, tingling in the feet, and pinprick and vibration perception testing (AUC–ROC: 0.85 [0.79–0.90]); and the KTNSAdvanced, replacing vibration perception with Achilles and patellar deep tendon reflex testing (AUC–ROC: 0.90 [0.85–0.94]). Interpretation The mTCNS is a valid diagnostic tool for polyneuropathy in KTR. The KTNS offers a simplified alternative based on key symptoms and sensory tests, with reflex testing included in the KTNSAdvanced for settings with neurological expertise. Trial Registration ClinicalTrials.gov identifier: NCT04664426
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».