The Clinical Epidemiology and 30-Day Outcomes of Emergency Department Patients With Acute Kidney Injury
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is associated with increased mortality and dialysis in hospitalized patients but has been little explored in the emergency department (ED) setting. OBJECTIVE: The objective of this study was to describe the risk factors, prevalence, management, and outcomes in the ED population, and to identify the proportion of AKI patients who were discharged home with no renal-specific follow-up. DESIGN: This is a retrospective cohort study using administrative and laboratory databases. SETTING: Two urban EDs in Vancouver, British Columbia, Canada. PATIENTS: We included all unique ED patients over a 1-week period. METHODS: All patients had their described demographics, comorbidities, medications, laboratory values, and ED treatments collected. AKI was defined pragmatically, based upon accepted guidelines. The cohort was then probabilistically linked to the provincial renal database to ascertain renal replacement (transplant or dialysis) and the provincial vital statistics database to obtain mortality. The primary outcome was the prevalence of AKI; secondary outcomes included (1) the proportion of AKI patients who were discharged home with no renal-specific follow-up and (2) the combined 30-day rate of death or renal replacement among AKI patients. RESULTS: There were 1651 ED unique patients, and 840 had at least one serum creatinine (SCr) obtained. Overall, 90 patients had AKI (10.7% of ED patients with at least one SCr, 95% confidence interval [CI], 8.7%-13.1%; 5.5% of all ED patients, 95% CI, 4.4%-6.7%) with a median age of 74 and 70% male. Of the 31 (34.4%) AKI patients discharged home, 4 (12.9%) had renal-specific follow-up arranged in the ED. Among the 90 AKI patients, 11 died and none required renal replacement at 30 days, for a combined outcome of 12.2% (95% CI, 6.5%-21.2%). LIMITATIONS: Sample sizes may be small. Nearly half of ED patients did not obtain an SCr. Many patients did not have sequential SCr testing, and a modified definition of AKI was used.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».