Levels of Protein C and Soluble Thrombomodulin in Critically Ill Patients with Acute Kidney Injury: A Multicenter Prospective Observational Study
Notice bibliographique
Résumé
Endothelial dysfunction contributes to the development of acute kidney injury (AKI) in animal models of ischemia reperfusion injury and sepsis. There are limited data on markers of endothelial dysfunction in human AKI. We hypothesized that Protein C (PC) and soluble thrombomodulin (sTM) levels could predict AKI. We conducted a multicenter prospective study in 80 patients to assess the relationship of PC and sTM levels to AKI, defined by the AKIN creatinine (AKI Scr) and urine output criteria (AKI UO). We measured marker levels for up to 10 days from intensive care unit admission. We used area under the curve (AUC) and time-dependent multivariable Cox proportional hazard model to predict AKI and logistic regression to predict mortality/non-renal recovery. Protein C and sTM were not different in patients with AKI UO only versus no AKI. On intensive care unit admission, as PC levels are usually lower with AKI Scr, the AUC to predict the absence of AKI was 0.63 (95%CI 0.44-0.78). The AUC using log10 sTM levels to predict AKI was 0.77 (95%CI 0.62-0.89), which predicted AKI Scr better than serum and urine neutrophil gelatinase-associated lipocalin (NGAL) and cystatin C, urine kidney injury molecule-1 and liver-fatty acid-binding protein. In multivariable models, PC and urine NGAL levels independently predicted AKI (p=0.04 and 0.02) and PC levels independently predicted mortality/non-renal recovery (p=0.04). In our study, PC and sTM levels can predict AKI Scr but are not modified during AKI UO alone. PC levels could independently predict mortality/non-renal recovery. Additional larger studies are needed to define the relationship between markers of endothelial dysfunction and 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 | 0,000 | 0,003 |
| 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 ».