A risk prediction score for acute kidney injury in the intensive care unit
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is common in critically ill patients and is associated with high morbidity and mortality. Early identification of high-risk patients provides an opportunity to develop strategies for prevention, early diagnosis and treatment of AKI. METHODS: We undertook this multicenter prospective cohort study to develop and validate a risk score for predicting AKI in patients admitted to an intensive care unit (ICU). Patients were screened for predictor variables within 48 h of ICU admission. Baseline and acute risk factors were recorded at the time of screening and serum creatinine was measured daily for up to 7 days. A risk score model for AKI was developed with multivariate regression analysis combining baseline and acute risk factors in the development cohort (573 patients) and the model was further evaluated on a test cohort (144 patients). Validation was performed on an independent prospective cohort of 1300 patients. The discriminative ability of the risk model was assessed by the area under the receiver operating characteristic curve (AUROC) and model calibration was evaluated by Hosmer-Lemeshow statistic. AKI was defined by the Kidney Disease: Improving Global Outcomes criteria (absolute change of 0.3 mg/dL or relative change of 50% from baseline serum creatinine in 48 h to 7 days, respectively). RESULTS: AKI developed in 754 (37.2%) patients. In the multivariate model, chronic kidney disease, chronic liver disease, congestive heart failure, hypertension, atherosclerotic coronary vascular disease, pH ≤ 7.30, nephrotoxin exposure, sepsis, mechanical ventilation and anemia were identified as independent predictors of AKI and the AUROC for the model in the test cohort was 0.79 [95% confidence interval (CI) 0.70-0.89]. On the external validation cohort, the AUROC value was 0.81 (95% CI 0.78-0.83). The risk model demonstrated good calibration in both cohorts. Positive and negative predictive values for the optimal cutoff value of ≥ 5 points in test and validation cohorts were 22.7 and 96.1% and 31.8 and 95.4%, respectively. CONCLUSIONS: A risk score model integrating chronic comorbidities and acute events at ICU admission can identify patients at high risk to develop AKI. This risk assessment tool could help clinicians to stratify patients for primary prevention, surveillance and early therapeutic intervention to improve care and outcomes of ICU patients.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 ».