Plasma IL-6 and IL-10 Concentrations Predict AKI and Long-Term Mortality in Adults after Cardiac Surgery
Notice bibliographique
Résumé
Inflammation has an integral role in the pathophysiology of AKI. We investigated the associations of two biomarkers of inflammation, plasma IL-6 and IL-10, with AKI and mortality in adults undergoing cardiac surgery. Patients were enrolled at six academic centers (n = 960). AKI was defined as a ≥ 50% or ≥ 0.3-mg/dl increase in serum creatinine from baseline. Pre- and postoperative IL-6 and IL-10 concentrations were categorized into tertiles and evaluated for associations with outcomes of in-hospital AKI or postdischarge all-cause mortality at a median of 3 years after surgery. Preoperative concentrations of IL-6 and IL-10 were not significantly associated with AKI or mortality. Elevated first postoperative IL-6 concentration was significantly associated with higher risk of AKI, and the risk increased in a dose-dependent manner (second tertile adjusted odds ratio [OR], 1.61 [95% confidence interval (95% CI), 1.10 to 2.36]; third tertile adjusted OR, 2.13 [95% CI, 1.45 to 3.13]). First postoperative IL-6 concentration was not associated with risk of mortality; however, the second tertile of peak IL-6 concentration was significantly associated with lower risk of mortality (adjusted hazard ratio, 0.75 [95% CI, 0.57 to 0.99]). Elevated first postoperative IL-10 concentration was significantly associated with higher risk of AKI (adjusted OR, 1.57 [95% CI, 1.04 to 2.38]) and lower risk of mortality (adjusted HR, 0.72 [95% CI, 0.56 to 0.93]). There was a significant interaction between the concentration of neutrophil gelatinase-associated lipocalin, an established AKI biomarker, and the association of IL-10 concentration with mortality (P = 0.01). These findings suggest plasma IL-6 and IL-10 may serve as biomarkers for perioperative outcomes.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».