Risk prediction of contrast-induced nephropathy by ACEF score in patients undergoing coronary catheterization
Notice bibliographique
Résumé
AIMS: To explore the ability of the ACEF score to predict the incidence of contrast-induced nephropathy (CIN) in patients undergoing coronary angiography with or without percutaneous coronary intervention. METHODS: A total of 706 patients undergoing coronary angiography ± percutaneous coronary intervention (PCI) between March 2011 and October 2011 were analyzed. CIN using different definitions was termed as CINnarrow (rise in serum creatinine ≥0.5 mg/dl) and CINbroad (rise in serum creatinine ≥0.5 mg/dl and/or ≥25% increase in baseline serum creatinine). RESULTS: The mean ACEF score was 1.5 ± 0.6. Overall incidences of CINnarrow and CINbroad were 5.5% and 13.6%, respectively. There was a significant gradient in the incidence of CINnarrow (2.9%, 3.9%, 10.6% in the I, II, and III tertiles, respectively, P < 0.001) and CINbroad (9.1%, 14.2%, 17.9% in the I, II, and III tertiles, respectively, P = 0.021) across increasing ACEF tertiles. The ACEF score was independently associated with the risk of CINnarrow (adjusted odds ratio [OR] 1.6, 95% confidence interval [CI] 1.0-2.7; P = 0.047). Discrimination was more satisfactory when using the ACEF as a predictor of CINnarrow (c-statistic 0.71, 95% 0.63-0.79). CONCLUSION: The ACEF score is an independent and potentially useful predictor of CIN defined as rise in serum creatinine ≥0.5 mg/dl.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».