47 A Preoperative Renal Scoring Index to Predict Postoperative Acute Renal Failure in Cardiac Surgery Patients
Notice bibliographique
Résumé
Purpose: Postoperative acute renal failure (POARF) is one of the most serious complications of cardiac surgery, developing in 5–30% of patients. POARF is an abrupt reduction in renal function, as evidenced by an increase in serum creatinine and a decrease in glomerular filtration rate (GFR). To date, there is no precise method of identifying patients at risk of developing POARF. Accurately identifying patients at risk and implementing preoperative renal protective strategies may reduce the incidence of POARF. The objective of this retrospective chart review was to determine the accuracy of a preoperative renal scoring index in predicting POARF in cardiac surgery patients who underwent facilitated recovery techniques. Methods: Data were collected via a retrospective chart review on patients, who had cardiac surgery at a single site in Ontario, Canada between February and March, 2008. Data abstraction was done by one author. Inconsistencies in abstracted data were clarified by a second author. The renal scoring index included information on GFR, ejection fraction, diabetes, previous cardiac surgery, urgency of surgery, other procedures and preoperative use of the intra-aortic balloon pump. Other preoperative [age, sex, weight, height, BMI and co-morbid factors] and intra-operative variables [type of surgery, aortic cross clamp time, cardiopulmonary bypass (CPB) and OR duration] were included. The RIFLE classification was used to identify POARF [risk, injury, failure, loss and end stage kidney disease (ESKD)]. Statistical analyses were undertaken using SPSS ® (version 15).
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».