A new model to predict acute kidney injury requiring renal replacement therapy after cardiac surgery
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury after cardiac surgery is associated with adverse in-hospital and long-term outcomes. Novel risk factors for acute kidney injury have been identified, but it is unknown whether their incorporation into risk models substantially improves prediction of postoperative acute kidney injury requiring renal replacement therapy. METHODS: We developed and validated a risk prediction model for acute kidney injury requiring renal replacement therapy within 14 days after cardiac surgery. We used demographic, and preoperative clinical and laboratory data from 2 independent cohorts of adults who underwent cardiac surgery (excluding transplantation) between Jan. 1, 2004, and Mar. 31, 2009. We developed the risk prediction model using multivariable logistic regression and compared it with existing models based on the C statistic, Hosmer-Lemeshow goodness-of-fit test and Net Reclassification Improvement index. RESULTS: We identified 8 independent predictors of acute kidney injury requiring renal replacement therapy in the derivation model (adjusted odds ratio, 95% confidence interval [CI]): congestive heart failure (3.03, 2.00-4.58), Canadian Cardiovascular Society angina class III or higher (1.66, 1.15-2.40), diabetes mellitus (1.61, 1.12-2.31), baseline estimated glomerular filtration rate (0.96, 0.95-0.97), increasing hemoglobin concentration (0.85, 0.77-0.93), proteinuria (1.65, 1.07-2.54), coronary artery bypass graft (CABG) plus valve surgery (v. CABG only, 1.25, 0.64-2.43), other cardiac procedure (v. CABG only, 3.11, 2.12-4.58) and emergent status for surgery booking (4.63, 2.61-8.21). The 8-variable risk prediction model had excellent performance characteristics in the validation cohort (C statistic 0.83, 95% CI 0.79-0.86). The net reclassification improvement with the prediction model was 13.9% (p < 0.001) compared with the best existing risk prediction model (Cleveland Clinic Score). INTERPRETATION: We have developed and validated a practical and accurate risk prediction model for acute kidney injury requiring renal replacement therapy after cardiac surgery based on routinely available preoperative clinical and laboratory data. The prediction model can be easily applied at the bedside and provides a simple and interpretable estimation of risk.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».