High incidence of acute kidney injury during chemotherapy for childhood acute myeloid leukemia
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Childhood acute myeloid leukemia (AML) is a rare and heterogeneous disease. Pediatric data on the epidemiology of acute kidney injury (AKI) in AML are limited. We report on the incidence of AKI in childhood AML and the risk factors associated with AKI episodes. METHODS: A retrospective cohort of 53 patients (≤18 years), with de novo AML, receiving chemotherapy over a 10-year period. All serum creatinine (SCr) levels during therapy-related hospitalizations were assessed to stage AKI episodes as per Kidney Disease: Improving Global Outcomes criteria. Severe AKI was defined as AKI stages 2 or 3 and urine output criteria were not used. AKI risk factors were assessed independently in both cycle 1 alone and combining all chemotherapy cycles. RESULTS: AKI developed in 34 patients (64%) with multiple AKI episodes in 10 patients (46 total episodes). Twenty-four severe AKI episodes occurred in 23 patients (43.4%) with a mean duration of 26.1 days (SD 7.3). In cycle 1, hyperleukocytosis was not predictive of AKI, but severe sepsis was an independent risk factor of severe AKI (odds ratio [OR]: 13.4; 95% CI 1.9-94.9). With cycles combined, all subjects with AKI had severe sepsis and older age (≥10 years) was associated with severe AKI (OR: 20.8; 95% CI 3.8-112.2). CONCLUSION: There was a high incidence of AKI in our AML cohort with a strong association with older age (≥10 years) and severe sepsis. Larger prospective studies are needed to confirm the high burden of AKI and risk factors in this susceptible population.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».