Acute Kidney Injury After Cardiac Surgery
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: Acute kidney injury (AKI) after cardiac surgery is a major health issue. Lacking effective therapies, risk factor modification may offer a means of preventing this complication. The objective of the present study was to identify and determine the prognostic importance of such risk factors. METHODS AND RESULTS: Data from a multicenter cohort of 3500 adult patients who underwent cardiac surgery at 7 hospitals during 2004 were analyzed (using multivariable logistic regression modeling) to determine the independent relationships between 3 thresholds of AKI (>25%, >50%, and >75% decrease in estimated glomerular filtration rate within 1 week of surgery or need for postoperative dialysis) with death rates, as well as to identify modifiable risk factors for AKI. The 3 thresholds of AKI occurred in 24% (n=829), 7% (n=228), and 3% (n=119) of the cohort, respectively. All 3 thresholds were independently associated with a >4-fold increase in the odds of death and could be predicted with several perioperative variables, including preoperative intra-aortic balloon pump use, urgent surgery, and prolonged cardiopulmonary bypass. In particular, 3 potentially modifiable variables were also independently and strongly associated with AKI. These were preoperative anemia, perioperative red blood cell transfusions, and surgical reexploration. CONCLUSIONS: AKI after cardiac surgery is highly prevalent and prognostically important. Therapies aimed at mitigating preoperative anemia, perioperative red blood cell transfusions, and surgical reexploration may offer protection against this complication.
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 | 0,000 |
| 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