Fluid accumulation, recognition and staging of acute kidney injury in critically-ill patients
Notice bibliographique
Résumé
INTRODUCTION: Serum creatinine concentration (sCr) is the marker used for diagnosing and staging acute kidney injury (AKI) in the RIFLE and AKIN classification systems, but is influenced by several factors including its volume of distribution. We evaluated the effect of fluid accumulation on sCr to estimate severity of AKI. METHODS: In 253 patients recruited from a prospective observational study of critically-ill patients with AKI, we calculated cumulative fluid balance and computed a fluid-adjusted sCr concentration reflecting the effect of volume of distribution during the development phase of AKI. The time to reach a relative 50% increase from the reference sCr using the crude and adjusted sCr was compared. We defined late recognition to estimate severity of AKI when this time interval to reach 50% relative increase between the crude and adjusted sCr exceeded 24 hours. RESULTS: The median cumulative fluid balance increased from 2.7 liters on day 2 to 6.5 liters on day 7. The difference between adjusted and crude sCr was significantly higher at each time point and progressively increased from a median difference of 0.09 mg/dL to 0.65 mg/dL after six days. Sixty-four (25%) patients met criteria for a late recognition to estimate severity progression of AKI. This group of patients had a lower urine output and a higher daily and cumulative fluid balance during the development phase of AKI. They were more likely to need dialysis but showed no difference in mortality compared to patients who did not meet the criteria for late recognition of severity progression. CONCLUSIONS: In critically-ill patients, the dilution of sCr by fluid accumulation may lead to underestimation of the severity of AKI and increases the time required to identify a 50% relative increase in sCr. A simple formula to correct sCr for fluid balance can improve staging of AKI and provide a better parameter for earlier recognition of severity progression.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».