Improving Prevention, Early Recognition and Management of Acute Kidney Injury after Major Surgery: Results of a Planning Meeting with Multidisciplinary Stakeholders
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Acute kidney injury (AKI) is common after major surgery, and is associated with morbidity, mortality, increased length of hospital stay, and high health care costs. Although recent guidelines for AKI provide recommendations for identification of patients at risk, monitoring, diagnosis, and management of AKI, there is lack of understanding to guide successful implementation of these recommendations into clinical practice. SOURCES OF INFORMATION: We held a planning meeting with multidisciplinary stakeholders to identify barriers, facilitators, and strategies to implement recommendations for prevention, early identification, and management of AKI after major surgery. Barriers and facilitators to knowledge use for peri-operative AKI prevention and care were discussed. FINDINGS: Stakeholders identified barriers in knowledge (how to identify high-risk patients, what criteria to use for diagnosis of AKI), attitudes (self-efficacy in preventive care and management of AKI), and behaviors (common use of diuretics, non-steroidal anti-inflammatory drugs, withholding of intravenous fluids, and competing time demands in peri-operative care). Educational, informatics, and organizational interventions were identified by stakeholders as potentially useful elements for future interventions for peri-operative AKI. LIMITATION: Meeting participants were from a single centre. IMPLICATIONS: The information and recommendations obtained from this stakeholder's meeting will be useful to design interventions to improve prevention and early care for AKI after major 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 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 | 0,032 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».