Proteinuria and reduced glomerular filtration rate as risk factors for acute kidney injury
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Acute kidney injury (AKI) is a major public health concern, and preexisting kidney disease may be one of the most important risk factors. We review recent epidemiologic evidence supporting baseline proteinuria and reduced glomerular filtration rate as risk factors for AKI. RECENT FINDINGS: In 2008, a case-control study of over 600 000 patients in an integrated healthcare system in California first quantified a graded association between reduced baseline estimated glomerular filtration rate (eGFR) and risk of dialysis-requiring AKI; it also showed proteinuria as an independent predictor for AKI. In 2010, a cohort study consisting of 1235 adults undergoing coronary artery bypass graft in Taiwan demonstrated that mild and heavy degrees of proteinuria detected by dipstick were associated with increasingly higher odds ratio of postoperative AKI, independent of chronic kidney disease stage. A US cohort study in 2010 of over 11 000 patients determined that elevated urine albumin-to-creatinine ratio (UACR) was an independent risk factor for hospitalizations with AKI; this association started with the submicroalbuminuric range (UACR 11-29 mg/g) and increased stepwise along severity of albuminuria, after adjustment for eGFR. A cohort study in 2010 of over 900 000 adults in Alberta demonstrated increased rates of hospital admissions with AKI for patients with mild and moderate dipstick proteinuria across all values of eGFR. SUMMARY: The presence of baseline proteinuria and reduced baseline eGFR are powerful independent predictors for AKI and should be taken into account in clinical practice to identify high-risk patients for receipt of aggressive preventive measures to reduce risk of AKI.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».