Urinary Biomarkers of AKI and Mortality 3 Years after Cardiac Surgery
Notice bibliographique
Résumé
Urinary biomarkers of AKI provide prognostic value for in-hospital outcomes, but little is known about their association with longer-term mortality after surgery. We sought to assess the association between kidney injury biomarkers and all-cause mortality in an international, multicenter, prospective long-term follow-up study from six clinical centers in the United States and Canada composed of 1199 adults who underwent cardiac surgery between 2007 and 2009 and were enrolled in the Translational Research in Biomarker Endpoints in AKI cohort. On postoperative days 1-3, we measured the following five urinary biomarkers: neutrophil gelatinase-associated lipocalin, IL-18, kidney injury molecule-1 (KIM-1), liver fatty acid binding protein, and albumin. During a median follow-up of 3.0 years (interquartile range, 2.2-3.6 years), 139 participants died (55 deaths per 1000 person-years). Among patients with clinical AKI, the highest tertiles of peak urinary neutrophil gelatinase-associated lipocalin, IL-18, KIM-1, liver fatty acid binding protein, and albumin associated independently with a 2.0- to 3.2-fold increased risk for mortality compared with the lowest tertiles. In patients without clinical AKI, the highest tertiles of peak IL-18 and KIM-1 also associated independently with long-term mortality (adjusted hazard ratios [95% confidence intervals] of 1.2 [1.0 to 1.5] and 1.8 [1.4 to 2.3] for IL-18 and KIM-1, respectively), and yielded continuous net reclassification improvements of 0.26 and 0.37, respectively, for the prediction of 3-year mortality. In conclusion, urinary biomarkers of kidney injury, particularly IL-18 and KIM-1, in the immediate postoperative period provide additional prognostic information for 3-year mortality risk in patients with and without clinical AKI.
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 | 0,001 |
| 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 ».