Derivation of a Predictive Model for Graft Loss Following Acute Kidney Injury in Kidney Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is common in the kidney transplant population. OBJECTIVE: To derive a multivariable survival model that predicts time to graft loss following AKI. DESIGN: Retrospective cohort study using health care administrative and laboratory databases. SETTING: Southwestern Ontario (1999-2013) and Ottawa, Ontario, Canada (1996-2013). PATIENTS: We included first-time kidney only transplant recipients who had a hospitalization with AKI 6 months or greater following transplant. MEASUREMENTS: AKI was defined using the Acute Kidney Injury Network criteria (stage 1 or greater). The first episode of AKI was included in the analysis. Graft loss was defined by return to dialysis or repeat kidney transplant. METHODS: We performed a competing risk survival regression analysis using the Fine and Gray method and modified the model into a simple point system. Graft loss with death as a competing event was the primary outcome of interest. RESULTS: A total of 315 kidney transplant recipients who had a hospitalization with AKI 6 months or greater following transplant were included. The median (interquartile range) follow-up time was 6.7 (3.3-10.3) years. Graft loss occurred in 27.6% of the cohort. The final model included 6 variables associated with an increased risk of graft loss: younger age, increased severity of AKI, failure to recover from AKI, lower baseline estimated glomerular filtration rate, increased time from kidney transplant to AKI admission, and receipt of a kidney from a deceased donor. The risk score had a concordance probability of 0.75 (95% confidence interval [CI], 0.69-0.82). The predicted 5-year risk of graft loss fell within the 95% CI of the observed risk more than 95% of the time. LIMITATIONS: The CIs of the estimates were wide, and model overfitting is possible due to the limited sample size; the risk score requires validation to determine its clinical utility. CONCLUSIONS: Our prognostic risk score uses commonly available information to predict the risk of graft loss in kidney transplant patients hospitalized with AKI. If validated, this predictive model will allow clinicians to identify high-risk patients who may benefit from closer follow-up or targeted enrollment in future intervention trials designed to improve outcomes.
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 | 0,003 | 0,007 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».