Evaluation of Biopsy-Based Molecular Risk Prediction in Crescentic Glomerulonephritis
Notice bibliographique
Résumé
Introduction: Novel molecular tools have the potential to improve current clinical and histology-based risk classification systems for various medical renal diseases including glomerulonephritis (GN). We aimed to assess the utility of gene expression for improving biopsy-based risk prediction in patients with GN with and without crescent formation. Methods: This retrospective case-control study used NanoString nCounter to measure the expression of 54 previously described inflammation, nephron injury, endothelium, and crescent-related genes in 335 archival, formalin-fixed paraffin-embedded native kidney biopsies, including a 288-biopsy discovery cohort representing a broad spectrum of crescentic GN subtypes, and an independent 47-biopsy validation cohort focused on ANCA-associated crescentic GN. Clinical, histologic, and gene expression data were compared. Results: Discovery cohort analysis demonstrated increased expression of 13 genes in crescentic GN cases that developed end-stage renal disease (ESRD) versus those that did not (false discovery rate <0.05). Within the 75-biopsy subset of ANCA-associated crescentic GN cases in the discovery cohort, this 13-gene set was found to be independently predictive of ESRD in multivariate Cox proportional hazards regression analysis (p = 0.015), with significant differentiation of high and low risk patients in the Kaplan-Meier renal survival analysis (log-rank test, p = 0.002). However, validation cohort analysis did not demonstrate significant improvement in risk stratification with the 13-gene set when compared with established clinicopathologic models. Conclusion: These results suggest that biopsy-based gene expression may provide the opportunity for improved risk stratification in crescentic GN; however, the genes evaluated in this study appear to have limited added clinical utility over existing risk scores.
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 | 0,000 | 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 | 0,000 |
| 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 ».