Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is a common and serious problem in critically ill patients. Tests currently used to detect AKI (i.e., serum creatinine, serum urea and various urinary indices) often result in serious delays in detection of clinically relevant injury. This delayed detection translates into a potential missed opportunity for therapeutic interventions at a time when kidney damage may be limitable or reversible. This is also recognized as a potential reason for the poor clinical outcomes often associated with AKI. OBJECTIVES: To appraise the recent literature characterizing several novel serum and urinary biomarkers, including neutrophil gelatinase-associated lipocalin, IL-18 and kidney injury molecule-1, which are capable of detecting AKI at an earlier phase of injury. Also to discuss the pitfalls of current conventional testing in kidney injury. METHOD: Narrative literature review. CONCLUSIONS: These novel biomarkers can detect injury when damage may still be reversible, allow for early risk stratification and/or prognostication, and are associated in early clinical studies with important outcomes such as severity of AKI, need for renal replacement therapy and survival. There is optimism that these novel biomarkers will discriminate the underlying pathophysiology of AKI (i.e., ischemia, sepsis, toxins or multifactorial), discriminate AKI from other renal disease (i.e., chronic kidney disease) and aid in localizing the site of acute injury in the kidney. As such, the future may entail development of an 'AKI biomarker panel' (i.e., analogous to a cardiac or liver enzyme panel) for use in clinical practice.
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 | 0,000 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 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 ».