Diagnostic performance of serum blood urea nitrogen to creatinine ratio for distinguishing prerenal from intrinsic acute kidney injury in the emergency department
Notice bibliographique
Résumé
BACKGROUND: The blood urea nitrogen to creatinine ratio (BCR) has been used since the early 1940s to help clinicians differentiate between prerenal acute kidney injury (PR AKI) and intrinsic AKI (I AKI). This ratio is simple to use and often put forward as a reliable diagnostic tool even though little scientific evidence supports this. The aim of this study was to determine whether BCR is a reliable tool for distinguishing PR AKI from I AKI. METHODS: We conducted a retrospective observational study over a 13 months period, in the Emergency Department (ED) of Nantes University Hospital. Eligible for inclusion were all adult patients consecutively admitted to the ED with a creatinine >133 μmol/L (1.5 mg/dL). RESULTS: Sixty thousand one hundred sixty patients were consecutively admitted to the ED. 2756 patients had plasma creatinine levels in excess of 133 μmol/L, 1653 were excluded, leaving 1103 patients for definitive inclusion. Mean age was 75.7 ± 14.8 years old, 498 (45%) patients had PR AKI and 605 (55%) I AKI. BCR was 90.55 ± 39.32 and 91.29 ± 39.79 in PR AKI and I AKI groups respectively. There was no statistical difference between mean BCR of the PR AKI and I AKI groups, p = 0.758. The area under the ROC curve was 0.5 indicating that BCR had no capacity to discriminate between PR AKI and I AKI. CONCLUSIONS: Our study is the largest to investigate the diagnostic performance of BCR. BCR is not a reliable parameter for distinguishing prerenal AKI from intrinsic AKI.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».