A Multi-Center Evaluation of Early Acute Kidney Injury in Critically Ill Trauma Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
RATIONALE: Few studies have evaluated the epidemiology of acute kidney injury (AKI) in trauma. OBJECTIVE: To evaluate the incidence, risk factors, and outcomes associated with early AKI (evident within 24 hours of admission) in critically ill trauma patients. METHODS: A retrospective interrogation of prospectively collected data from the Australian New Zealand Intensive Care Society Adult Patient Database. A total of 9,449 trauma patients were admitted for >or=24 hours to 57 intensive care units across Australia from January 1(st), 2000, to December 31(st), 2005. MAIN FINDINGS: The crude incidence of AKI was 18.1% (n = 1,711). Older age, female sex (OR 1.60, 95% CI, 1.43-1.78, p < 0.0001), and the presence of co-morbid illness (OR 2.70, 95% CI 2.3-3.2, p < 0.0001) were associated with higher odds of AKI. Those with trauma not associated with brain injury (OR 2.40, 95% CI, 2.1-2.7, p < 0.0001) and a higher illness severity (OR 1.12, 95% CI, 1.11-1.12, p < 0.001) also had higher likelihood of AKI. Overall, AKI was associated with a higher crude mortality (16.7% vs. 7.8%, OR 2.36, 95% CI, 2.0-2.7, p < 0.001). Each RIFLE category of AKI was independently associated with hospital mortality in multi-variable analysis (risk: OR 1.69; injury OR 1.88; failure 2.29). CONCLUSIONS: Trauma admissions to ICU are frequently complicated by early AKI. Those at high risk for AKI appear to be older, female, with co-morbid illnesses, and present with greater illness severity. Early AKI in trauma is also independently associated with higher mortality. These data indicate a higher burden of AKI than previously described.
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.
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 | 0,002 |
| 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 découle