Cardiac Biomarkers and Acute Kidney Injury After Cardiac Surgery
Notice bibliographique
Résumé
OBJECTIVES: To examine the relationship of cardiac biomarkers with postoperative acute kidney injury (AKI) among pediatric patients undergoing cardiac surgery. METHODS: Data from TRIBE-AKI, a prospective study of children undergoing cardiac surgery, were used to examine the association of cardiac biomarkers (N-type pro-B-type natriuretic peptide, creatine kinase-MB [CK-MB], heart-type fatty acid binding protein [h-FABP], and troponins I and T) with the development of postoperative AKI. Cardiac biomarkers were collected before and 0 to 6 hours after surgery. AKI was defined as a ≥ 50% or 0.3 mg/dL increase in serum creatinine, within 7 days of surgery. RESULTS: Of the 106 patients included in this study, 55 (52%) developed AKI after cardiac surgery. Patients who developed AKI had higher median levels of pre- and postoperative cardiac biomarkers compared with patients without AKI (all P < .01). Preoperatively, higher levels of CK-MB and h-FABP were associated with increased odds of developing AKI (CK-MB: adjusted odds ratio 4.58, 95% confidence interval [CI] 1.56-13.41; h-FABP: adjusted odds ratio 2.76, 95% CI 1.27-6.03). When combined with clinical models, both preoperative CK-MB and h-FABP provided good discrimination (area under the curve 0.77, 95% CI 0.68-0.87, and 0.78, 95% CI 0.68-0.87, respectively) and improved reclassification indices. Cardiac biomarkers collected postoperatively did not significantly improve the prediction of AKI beyond clinical models. CONCLUSIONS: Preoperative CK-MB and h-FABP are associated with increased risk of postoperative AKI and provide good discrimination of patients who develop AKI. These biomarkers may be useful for risk stratifying patients undergoing cardiac surgery.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».