Cystatin C for early detection of acute kidney injury after laparoscopic partial nephrectomy
Notice bibliographique
Résumé
INTRODUCTION AND OBJECTIVES: Mortality due to AKI has not changed significantly over the past 50 years. This is due in part to failure to detect early AKI and to initiate appropriate therapeutic measures. There is therefore a need to identify biomarkers that would improve the early detection of AKI. The objective of this study was to assess whether cystatin C levels obtained at specific timepoints during laparoscopic partial nephrectomy (PN) could be early predictors of AKI. MATERIALS AND METHODS: Twenty-five patients underwent laparoscopic PN for organ-confined tumors. All procedures were performed by two surgeons in a single institution. Plasma samples were collected preoperatively, and post-unclamping at 5, 20, 120 min and on the day following surgery. Plasma cystatin C was measured by enzyme-linked immunosorbent assay. Correlation between levels of cystatin C and other parameters of interest were assessed in order to define cystatin C ability to predict AKI and loss of renal function following laparoscopic PN. RESULTS: The mean baseline eGFR was 93 ml/min/1.73 m(2). Warm ischemia time varied between 16 and 44 min. Post-operative day 1 (POD1) cystatin C levels compared to baseline were increased in 13 (52%) of the patients. There was a high correlation between the difference of POD 1 and baseline value, and eGFR in the immediate postoperative period (r = -0.681; P = 0.0002) and at 12-month follow-up (r = -0.460, P = 0.048). However, the variation in cystatin C levels at earlier timepoints were not associated to AKI nor renal function. CONCLUSIONS: High increase in POD 1 cystatin C levels from baseline may help identify patients with AKI and those at higher risk of chronic kidney disease, following laparoscopic PN.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».