Acute Kidney Injury and Renal Recovery with the Use of Aminoglycosides: A Large Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: Recent acute kidney injury (AKI) guidelines, based on studies performed a decade ago, recommend avoiding aminoglycosides (AGs) in patients at risk of AKI. Whether present patient characteristics and management have changed this risk is uncertain. We determined the current incidence, risk factors and outcomes of AG-AKI. METHODS: We retrospectively identified adult patients who received gentamicin or tobramycin for ≥5 days in 2 large university-affiliated centers, excluding critically ill and dialysis patients. We assessed the incidence of Risk, Injury, Failure, Loss and End-stage kidney disease criteria of AKI risk and then matched each AKI to 2 controls of same age and gender to determine factors associated with AG-AKI and its recovery, defined by a creatinine within 150% of baseline by 21 days. RESULTS: Since 2001, the frequency of AG administration and dosing declined, but the incidence of AG-AKI remained constant. Of the 562 patients who received AG for ≥5 days, 65 (12%) developed AG-AKI after 11 (IQR 8-15) days, with 56, 29 and 15% having stages 1, 2 and 3 AKI, respectively. We matched these to 130 controls. In this nested case-control study, independent AKI risk factors were vancomycin coadministration, high AG trough levels and heart failure. AG-AKI compared to AG exposure without AKI was associated with greater mortality. Renal recovery occurred in 51% of the AKI patients and was less likely with heart failure and higher AKI severity. CONCLUSION: AG administration has recently decreased but the risk of AKI remained unchanged and half of the patients did not recover. Vancomycin coadministration, high AG trough levels and heart failure independently predicted 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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».