MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104573167 · doi:10.1681/asn.202592k4nnq6

Time to Biopsy in IgAN

2025· article· en· W7104573167 sur OpenAlexaff

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Diseases and Glomerulopathies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNephrologyBiopsyCohortKidney diseaseRenal biopsyNephropathyPopulationGlomerulonephritis

Résumé

récupéré en direct d'OpenAlex

Background: IgA nephropathy [IgAN] carries a high lifetime risk of kidney failure. Population-level studies facilitate analysis of health care utilization that may impact IgAN diagnosis and outcomes. Methods: We investigated time to biopsy using a population-level cohort of adults ≥18 years with IgAN in the provincial Glomerulonephritis [GN] Registry. The registry captures all patients with a biopsy diagnosis of IgAN from January 1, 2000 to December 31, 2020. Results: The GN Registry captured 1382 individuals with primary IgAN from 2000 to 2020. Between 2000-2005, the mean time from first nephrology visit to biopsy was 332 days, which increased to 713 days between 2015-2020. Over time, we observed increasing age (from mean of 43 to 46 years), decreasing eGFR (from median of 62 to 49 ml/min/1.73m2) and increasing baseline comorbidities at the time of biopsy (Table 1). Patients with a time from first nephrology visit to biopsy greater than 365 days had a 20-year ESKD risk of ≈ 50%; those with a time from first visit to biopsy between 15 and 60 days had a 20-year ESKD risk of ≈ 40% (figure 2). Conclusion: We observed an unexpected increase in the time to kidney biopsy in a population cohort of adult IgAN patients. Consistent with this, patients were older, more comorbid and had more advanced disease with lower eGFR at the time of biopsy. We are integrating MEST-C scores to see if this delay in diagnosis is associated with more advanced sclerotic disease at biopsy. We are currently investigating clinical, health system and socioeconomic factors that may explain this trend and difference in ESKD risk. Funding: Commercial Support - Novartis AGTable 1

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,280
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of Nephrology→Même sujetRenal Diseases and Glomerulopathies→Travaux en français237 207→