DETERMINAÇÃO DE INTERVALOS DE REFERÊNCIAS DE BIOMARCADORES DA FUNÇÃO RENAL EM PACIENTES IDOSOS
Bibliographic record
Abstract
Objetivo: Sabendo que alterações fisiológicas são esperadas com o avançar da idade, cabe aos laboratórios se adaptarem, principalmente em relação à determinação de intervalos de referência que atendam essa realidade. O objetivo principal deste trabalho é determinar os intervalos de referências (IR) para ureia e creatinina em pacientes idosos. Método: Trata-se de um estudo descritivo transversal que utilizou resultados dos exames laboratoriais de pacientes idosos (> 60 anos) saudáveis (classificados como de baixo ou moderado risco de vulnerabilidade clínico funcional) atendidos em um ambulatório de geriatria, entre os anos de 2011 e 2019. Para determinar os IR, aplicaram-se critérios de inclusão e exclusão conforme o biomarcador avaliado, seguindo os parâmetros da literatura. As análises foram realizadas no software GraphPad Prism®, considerando intervalo de confiança (IC) de 95%. Conclusão: Participaram do estudo 2.292 idosos, cuja média de idade foi de 77 anos. Os resultados de IR para creatinina e ureia em pacientes de ambos os gêneros estão descritos na Tabela a seguir.A determinação dos IR de acordo com a idade, o gênero e a região é indispensável para a aplicação de uma prática clínica segura. Os IR foram semelhantes a outros trabalhos da literatura e podem auxiliar a interpretação das análises laboratoriais e o acompanhamento clínico mais adequados do idoso. Referências: 1. Adeli K et al. Biochemical marker reference values across pediatric, adult, and geriatric ages: establishment of robust pediatric and adult reference intervals on the basis of the Canadian Health Measures Survey. Clin Chem. 2015; 61(8): 1049-62.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".