Prevalence of Risk Factors for Contrast-Induced Nephrotoxicity in Outpatients Undergoing Intravenous Contrast-Enhanced Computed Tomography Studies
Notice bibliographique
Résumé
OBJECTIVE: To document the prevalence and pattern of risk factors for contrast-induced nephrotoxicity (CIN) in an outpatient population referred for contrast-enhanced computed tomography (CT) (CECT) studies. METHODS: Over a 4-month period, 3261 patients presenting for CT studies were asked to consent to a survey of CIN risk factors. Among these patients, 957 were outpatients who received contrast material before the CT study. Demographic information and available serum creatinine (SCr) data for these patients were extracted from medical records and then analysed. A telephone questionnaire to document risk factors was administered to 200 of these patients, who were outpatients not referred from the emergency department or on dialysis. RESULTS: Among the 200 surveyed patients, 69% reported risk factors for CIN or for kidney function impairment (low estimated glomerular filtration rate [eGFR]) at baseline. Among these patients, 43% reported multiple (2 or more) risk factors. Patients older than the mean age of 53 years had a higher incidence of having multiple risk factors when compared with those younger than this age. Patients with kidney function impairment at baseline had a higher incidence of having multiple risk factors when compared with those with normal kidney function. Among the patients with no SCr investigation in the 3 months preceding a CECT, 64% had multiple risk factors. In the study population of 957 outpatients undergoing CECT, 52% had SCr measurements within 3 months before the study. An eGFR of less than 60 mL/min/1.73 m(2) was found in 17% of the study population, and, in 0.6%, the eGFR was less than 30 mL/min/1.73 m(2). CONCLUSION: In an ambulatory outpatient population, many patients presenting for outpatient CECT studies will have risk factors for CIN or for kidney function impairment (low eGFR) at baseline. Kidney function assessment, therefore, is indicated in this patient population before CECT.
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 | 0,000 | 0,004 |
| 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 | 0,000 | 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) | 0,001 | 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 ».