Ascertainment and Epidemiology of Acute Kidney Injury Varies with Definition Interpretation
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
BACKGROUND AND OBJECTIVES: Differences in defining acute kidney injury (AKI) may impact incidence ascertainment. We assessed the effects of different AKI definition interpretation methods on epidemiology ascertainment. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Two groups were studied at Texas Children's Hospital, Houston, Texas: 150 critically ill children (prospective) and 254 noncritically ill, hospitalized children receiving aminoglycosides (retrospective). SCr was collected for 14 d in the prospective study and 21 d in the retrospective study. Children with known baseline serum creatinine (bSCr) were classified by the pediatric Risk, Injury, Failure, Loss, End-Stage Kidney Disease (pRIFLE) AKI definition using SCr change (pRIFLE(DeltaSCr)), estimated creatinine clearance (eCCl) change (pRIFLE(DeltaCCl)), and the Acute Kidney Injury Network (AKIN) definition. In subjects without known bSCr, bSCR was estimated as eCCl = 100 (eCCl(100)) and 120 ml/min per 1.73 m(2) (eCCl(120)), admission SCr (AdmSCr) and lower/upper normative values (NormsMin, NormsMax). The differential impact of each AKI definition interpretation on incidence estimation and severity distribution was evaluated. RESULTS: pRIFLE(DeltaSCr) and AKIN led to identical AKI distributions. pRIFLE(DeltaCCl) resulted in 14.5% (critically ill) and 11% (noncritical) more patients diagnosed with AKI compared to other methods (P 0.05). Different bSCr estimates led to differences in AKI incidence, from 12% (AdmSCr) to 87.8% (NormsMin) (P 0.05) in the critically ill group and from 4.6% (eCCl(100)) to 43.1% (NormsMin) (P 0.05) in the noncritical group. CONCLUSIONS: AKI definition variation causes interstudy heterogeneity. AKI definition should be standardized so that results can be compared across studies.
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 | 0,002 | 0,001 |
| 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 | 0,006 |
| 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 découle