Greater increase in urinary hepcidin predicts protection from acute kidney injury after cardiopulmonary bypass
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is a common and serious complication of cardiopulmonary bypass (CPB) surgery. Hepcidin, a peptide hormone that regulates iron homeostasis, is a potential biomarker of AKI following CPB. METHODS: We investigated the association between post-operative changes in serum and urinary hepcidin and AKI in 93 patients undergoing CPB. RESULTS: Twenty-five patients developed AKI based on the Risk, Injury, Failure, Loss, End-stage kidney disease (RIFLE) criteria in the first 5 days. Serum hepcidin, urine hepcidin concentration, the urinary hepcidin:creatinine ratio and fractional excretion of hepcidin in urine rose significantly after surgery. However, urine hepcidin concentration and urinary hepcidin:creatinine ratio were significantly lower at 24 h in patients with RIFLE-Risk, Injury or Failure compared to those without AKI (P = 0.0009 and P < 0.0001, respectively). Receiver operator characteristic analysis showed that lower 24-h urine hepcidin concentration and urinary hepcidin:creatinine ratio were sensitive and specific predictors of AKI. The urinary hepcidin:creatinine ratio had an area under the curve for the diagnosis of RIFLE ≥ risk at 24 h of 0.77 and of 0.84 for RIFLE ≥ injury. Urinary hepcidin had similar predictive accuracy. Such predictive ability remained when patients with early creatinine increases were excluded. CONCLUSIONS: Urinary hepcidin and hepcidin:creatinine ratio are biomarkers of AKI after CPB, with an inverse association between its increase at 24 h and risk of AKI in the first five post-operative days. Measuring hepcidin in the urine on the first day following surgery may deliver earlier diagnosis and interventions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».