Improving the Prediction of Cardiac Surgery–Associated Acute Kidney Injury
Notice bibliographique
Résumé
INTRODUCTION: Acute kidney injury (AKI) is a potentially fatal complication of cardiac surgery. The inability to predict cardiac surgery-associated AKI is a major barrier to prevention and early treatment. Current clinical risk models for the prediction of cardiac surgery-associated AKI are insufficient, particularly in patients with preexisting kidney dysfunction. METHODS: To identify intraoperative variables that might improve the performance of a validated clinical risk score (Cleveland Clinic Score, CCS) for the prediction of cardiac surgery-associated AKI, we conducted a prospective cohort study in 289 consecutive elective cardiac surgery patients at a tertiary care center. We compared the area under the receiver operator characteristic curve (AUC) of a base model including only the CCS with models containing additional selected intraoperative variables including mean arterial pressure, hematocrit, duration of procedure, blood transfusions, and fluid balance. AKI was defined by the Kidney Disease Improving Global Outcomes 2012 criteria. RESULTS: = 0.002). In the subcohort of patients without preexisting chronic kidney disease (n = 214), where the CCS underperformed (AUC, 0.60 [0.43-0.76]), the improvement with the addition of nadir hematocrit was more marked (AUC, 0.74 [0.62-0.86]). Other variables did not improve discrimination. DISCUSSION: Nadir intraoperative hematocrit is useful in improving discrimination of clinical risk scores for AKI, and may provide a target for intervention.
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 | 0,020 |
| 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 ».