CKD-EPI creatinine equation (2009)
The CKD-EPI creatinine equation is based on the same four variables as the MDRD Study equation, but uses a 2-slope spline to model the relationship between estimated GFR and serum creatinine, and a different relationship for age, sex and race. The equation was reported to perform better and with less bias than the MDRD Study equation, especially in patients with higher GFR. This results in reduced misclassification of CKD.
Συγγραφείς έρευνας: Levey AS, Stevens LA, Schmid CH, Zhang YL, Castro AF, Feldman HI, Kusek JW, Eggers P, Van Lente F, Greene T, and Coresh J.
Έκδοση: 1.16
  • Δημόσιο
  • Νεφρολογία
  • {{ modelType }}
  • Λεπτομέρειες
  • Επικύρωση μοντέλου
  • Αποθήκευση εισόδου
  • Είσοδος φορτίου

Υπολογίστε το αποτέλεσμα

Ορίστε περισσότερες παραμέτρους για την εκτέλεση του υπολογισμού

Estimated GFR: ml/min/1.73m2

{{ resultSubheader }}
{{ chart.title }}
Διάστημα αποτελεσμάτων {{ additionalResult.min }} στο {{ additionalResult.max }}

Πληροφορίες υπό όρους

The CKD-EPI (Chronic Kidney Disease Epidemiology Collaboration) equation was developed in an effort to create a more precise formula to estimate glomerular filtrate rate (GFR) from serum creatinine and other readily available clinical parameters, especially at when actual GFR is >60 mL/min per 1.73m2.

Researchers pooled data from multiple studies to develop and validate this new equation. They randomly divided 10 studies which included 8254 participants, into separate data sets for development and internal validation. 16 additional studies, which included 3896 participants, were used for external validation.

The CKD-EPI equation performed better than the MDRD (Modification of Diet in Renal Disease Study) equation, especially at higher GFR, with less bias and greater accuracy. When looking at NHANES (National Health and Nutrition Examination Survey) data, the median estimated GFR was 94.5 mL/min per 1.73 m2 vs. 85.0 mL/min per 1.73 m2, and the prevalence of chronic kidney disease was 11.5% versus 13.1%.

{{ file.classification }}
PRO
Σημείωση
Οι σημειώσεις είναι ορατές μόνο στη λήψη των αποτελεσμάτων και δεν θα αποθηκευτούν από το Evidencio

Αυτό το μοντέλο παρέχεται για εκπαιδευτικούς, επιμορφωτικούς και ενημερωτικούς σκοπούς. Δεν πρέπει να χρησιμοποιείται για την υποστήριξη της λήψης ιατρικών αποφάσεων ή για την παροχή ιατρικών ή διαγνωστικών υπηρεσιών. Διαβάστε το πλήρες disclaimer.

Υποκείμενα μοντέλα Μέρος της
Σχόλια
Σχόλιο
Παρακαλώ εισάγετε ένα σχόλιο
Τα σχόλια είναι ορατά σε οποιονδήποτε

Ανατροφοδότηση μοντέλου

Δεν υπάρχει ακόμη σχόλιο 1 σχόλιο {{ model.comments.length }} Σχόλια
Στο {{ comment.created_at }} {{ comment.user.username }} ένας μη εγγεγραμμένος πλέον συγγραφέας έγραψε:
{{ comment.content }}
logo

Συνδεθείτε για να ενεργοποιήσετε τις λειτουργίες εκτύπωσης του Evidencio

Για να χρησιμοποιήσετε τις λειτουργίες εκτύπωσης του Evidencio, πρέπει να συνδεθείτε.
Αν δεν έχετε λογαριασμό στην κοινότητα Evidencio, μπορείτε να δημιουργήσετε δωρεάν τον προσωπικό σας λογαριασμό στη διεύθυνση:

https://www.evidencio.com/registration

Εκτυπωμένα αποτελέσματα - Παραδείγματα {{ new Date().toLocaleString() }}


Οφέλη του κοινοτικού λογαριασμού Evidencio


With an Evidencio Community account you can:

  • Create and publish your own prediction models.
  • Share your prediction models with your colleagues, research group, organization or the world.
  • Review and provide feedback on models that have been shared with you.
  • Validate your models and validate models from other users.
  • Find models based on Title, Keyword, Author, Institute, or MeSH classification.
  • Use and save prediction models and their data.
  • Use patient specific protocols and guidelines based on sequential models and decision trees.
  • Stay up-to-date with new models in your field as they are published.
  • Create your own lists of favorite models and topics.

A personal Evidencio account is free, with no strings attached!
Join us and help create clarity, transparency, and efficiency in the creation, validation, and use of medical prediction models.


Αποποίηση ευθύνης: Οι υπολογισμοί από μόνοι τους δεν πρέπει ποτέ να υπαγορεύουν τη φροντίδα των ασθενών και δεν υποκαθιστούν την επαγγελματική κρίση.
Evidencio v3.25 © 2015 - 2024 Evidencio. All Rights Reserved