MétaCan
Menu
Retour à la cohorte
Enregistrement W2140796490 · doi:10.1186/cc10269

Acute kidney injury is an independent risk factor for pediatric intensive care unit mortality, longer length of stay and prolonged mechanical ventilation in critically ill children: a two-center retrospective cohort study

2011· article· en· W2140796490 sur OpenAlexafffundabout
Omar Alkandari, K Allen Eddington, Ayaz Hyder, France Gauvin, Thiérry Ducruet, Ronald Gottesman, Véronique Phan, Michael Zappitelli

Notice bibliographique

RevueCritical Care · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité de MontréalMcGill University Health CentreMontreal Children's Hospital
Organismes subventionnairesCentre hospitalier universitaire Sainte-Justine
Mots-clésMedicineMechanical ventilationRetrospective cohort studyEmergency medicineCritically illAcute kidney injuryIntensive care unitIntensive care medicineCohortCohort studyPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In adults, small (< 50%) serum creatinine (SCr) increases predict mortality. It is unclear whether different baseline serum creatinine (bSCr) estimation methods affect findings of acute kidney injury (AKI)-outcome associations. We characterized pediatric AKI, evaluated the effect of bSCr estimation approaches on AKI-outcome associations and evaluated the use of small SCr increases to predict AKI development. METHODS: We conducted a retrospective cohort database study of children (excluding postoperative cardiac or renal transplant patients) admitted to two pediatric intensive care units (PICUs) for at least one night in Montreal, QC, Canada. The AKI definition was based on the Acute Kidney Injury Network staging system, excluding the requirement of SCr increase within 48 hours, which was impossible to evaluate on the basis of our data set. We estimated bSCr two ways: (1) the lowest SCr level in the three months before admission or the average age- and gender-based norms (the standard method) or (2) by using average norms in all patients. Outcomes were PICU mortality and length of stay as well as required mechanical ventilation. We used multiple logistic regression analysis to evaluate AKI risk factors and the association between AKI and mortality. We used multiple linear regression analysis to evaluate the effect of AKI on other outcomes. We calculated diagnostic characteristics for early SCr increase (< 50%) to predict AKI development. RESULTS: Of 2,106 admissions (mean age ± SD = 5.0 ± 5.5 years; 47% female), 377 patients (17.9%) developed AKI (using the standard bSCr method) during PICU admission. Higher Pediatric Risk of Mortality score, required mechanical ventilation, documented infection and having a bSCr measurement were independent predictors of AKI development. AKI was associated with increased mortality (adjusted odds ratio (OR) = 3.7, 95% confidence interval (95% CI) = 2.1 to 6.4, using the standard bSCr method; OR = 4.5, 95% CI = 2.6 to 7.9, using normative bSCr values in all patients). AKI was independently associated with longer PICU stay and required mechanical ventilation. In children with no admission AKI, the initial percentage SCr increase predicted AKI development (area under the curve = 0.67, 95% CI = 0.60 to 0.74). CONCLUSIONS: AKI is associated with increased mortality and morbidity in critically ill children, regardless of the bSCr used. Paying attention to small early SCr increases may contribute to early AKI diagnosis in conjunction with other new AKI biomarkers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,388
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations365
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetAcute Kidney Injury ResearchTravaux en français237 207