Neonatal Acute Kidney Injury: A Survey of Neonatologists' and Nephrologists' Perceptions and Practice Management
Notice bibliographique
Résumé
Background Neonatal acute kidney injury (AKI) occurs in 40 to 70% of critically ill neonatal intensive care admissions. This study explored the differences in perceptions and practice variations among neonatologists and pediatric nephrologists in diagnostic criteria, management, and follow-up of neonatal AKI. Methods A survey weblink was emailed to nephrologists and neonatologists in Australia, Canada, New Zealand, India, and the United States. Questions consisted of demographic and unit practices, three clinical scenarios assessing awareness of definitions of neonatal AKI, knowledge, management, and follow-up practices. Results Many knowledge gaps among neonatologists, and to a lesser extent, pediatric nephrologists were identified. Neonatologists were less likely to use categorical definitions of neonatal AKI (p < 0.00001) or diagnose stage 1 AKI (p < 0.00001) than pediatric nephrologists. Guidelines for creatinine monitoring for nephrotoxic medications were reported by 34% (aminoglycosides) and 62% (indomethacin) of respondents. Nephrologists were more likely to consider follow-up after AKI than neonatologists (p < 0.00001). Also, 92 and 86% of neonatologists and nephrologists, respectively, reported no standardization or infrastructure for long-term renal follow-up. Conclusion Neonatal AKI is underappreciated, particularly among neonatologists. A lack of evidence on neonatal AKI contributes to this variation in response. Therefore, dissemination of current knowledge and areas for research should be the priority.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».