Utility of Urine Myoglobin for the Prediction of Acute Renal Failure in Patients with Suspected Rhabdomyolysis: A Systematic Review
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: Urine myoglobin continues to be used as a marker of rhabdomyolysis, particularly to assess risk of developing acute renal failure and evaluate treatment success. We sought to determine the predictive validity of urine myoglobin (uMb) for acute renal failure (ARF) in patients with suspected rhabdomyolysis. METHODS: We performed a broad systemic review of the literature from January 1980 to December 2006 using the search terms myoglobin$ AND (renal OR ARF OR kidney). Only primary studies published in English where uMb measurement was related to ARF were included. RESULTS: Of 1602 studies screened, 52 met all selection criteria. The studies covered a wide spectrum of etiologies for rhabdomyolysis, dissimilar diagnostic criteria for ARF and rhabdomyolysis, and various methods of uMb measurement and were mostly case series (n = 32). There was poor reporting on the uMb method, and 17 studies failed to provide any information about the method. The reporting of clinical criteria for ARF with respect to timing, description, performance, and interpretation also lacked adequate detail for replication. Eight studies (total 295 patients) had data for 2-by-2 tables. Sensitivity of the uMb test was 100% in 5 of the 8 studies, specificity varied widely (15% to 88%), and CIs around these measures were high. Pooling of data was not possible because of study heterogeneity. CONCLUSIONS: There is inadequate evidence evaluating the use of uMb as a predictor of ARF in patients with suspected rhabdomyolysis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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