The Clinical Utility of Kidney Injury Molecule 1 in the Prediction, Diagnosis and Prognosis of Acute Kidney Injury: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: This systematic review evaluates the clinical utility of a novel biomarker kidney injury molecule 1 (Kim-1) in the prediction, diagnosis and prognosis of acute kidney injury (AKI). METHODS: We searched literature in electronic databases from January 2002 to December 2009 by the key words "kidney injury molecule 1" or "Kim-1" and "acute kidney injury" or "acute renal failure". Studies were eligible for inclusion if they were primary studies published in English, in which Kim-1 was measured for the purpose of prediction, diagnosis or prognosis of AKI in patients. RESULTS: Eight articles met the selection criteria for inclusion in the study. Compared to non AKI patients, Kim-1 increased significantly (at least p<0.05) in AKI patients by 2 hours after cardiac surgery. In the prediction of AKI in patients within 24 hours of cardiac surgery, the sensitivity of Kim-1 ranged from 92% to 100% and AUC between 0.78 and 0.91. Kim-1 increased significantly (at least p<0.05) in AKI established patients, especially in patients with acute tubular necrosis (ATN). The AUC of Kim-1 in the diagnosis of AKI was from 0.9 to 0.95. However, Kim-1 showed weak association with the need of renal replacement therapy and death of AKI patient. CONCLUSIONS: Kim-1 is a potential novel urinary biomarker in the early detection of AKI within 24 hours after kidney insult. It might be especially beneficial in the diagnosis of ischemic ATN.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».