Serum and urinary biomarkers for predicting acute kidney injury after partial nephrectomy
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to evaluate the ability of specific biomarkers to predict acute kidney injury (AKI) after partial nephrectomy. METHODS: A prospective study of 89 patients undergoing partial nephrectomy was conducted in the First Affiliated Hospital of Fujian Medical University. The patients were divided into two groups according to AKI status: an AKI group and non-AKI group. Receiver operator characteristic (ROC) curves were generated and the areas under the curve (AUCs) were compared. RESULTS: Twenty-eight subjects (31.5%) developed AKI while sixty-one subjects (68.5%) did not. Vascular clamping time in the AKI group was longer than that in the non-AKI group (29 ± 17 min vs. 24 ± 9 min, P = 0.042). Eight patients (28.6%) received blood infusion in the AKI group compared with five patients (8.2%) in the non-AKI group (P = 0.021). The area under ROC curve for AKI prediction was 0.792 [95% confidence interval (CI) 0.697 to 0.888, P < 0.000] for serum cystatin C 24 hours after surgery and 0.756 (95% CI 0.656 to 0.857, P < 0.000) for serum cystatin C 48 hours after surgery. Multivariate regression analysis showed transfusion [Hazard ratio (HR) 3.712, P = 0.044] and 24 hours serum cystatin C (HR 41.594, P = 0.001) correlated with AKI. CONCLUSIONS: Postoperative serum cystatin C may be an early predictor for AKI after partial nephrectomy. Transfusion may be an independent risk factor for AKI after partial nephrectomy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».