Interobserver agreement for post mortem renal histopathology and diagnosis of acute tubular necrosis in critically ill patients
Notice bibliographique
Résumé
BACKGROUND: The renal histopathology of critically ill patients dying with acute kidney injury (AKI) in intensive care units of high income countries remains uncertain. METHODS: Retrospective observational assessment of interobserver agreement in the reporting of renal post mortem histopathology, and the ability of pathologists blinded to the clinical context to independently identify the presence of pre-mortem AKI from digital images of histological sections from 34 critically ill patients dying in teaching hospitals in Australia and Canada. RESULTS: We identified a heterogeneous cohort with a median age of 65 years (interquartile range [IQR], 56.5-77), APACHE II score of 27 (IQR, 19-33), and sepsis as the most common admission diagnosis (12/34; 35%). The most common proximate causes of death were cardiovascular (19/34; 56%) and respiratory (7/34; 21%) failure. AKI was common, with 23 patients (68%) developing RIFLE-F AKI, and 21 patients (62%) receiving renal replacement therapy. Structured reporting for tubular inflammation showed excellent agreement (kappa = 1), but no other subdomain demonstrated better than moderate agreement (kappa < 0.6). Only fair agreement (55.9% of cases; kappa = 0.23) was demonstrated on the diagnosis of moderate to severe acute tubular necrosis (ATN). Pathologist A predicted RIFLE-I or worse AKI with the diagnosis of ATN, with an overall accuracy of 61.8%; pathologist B predicted AKI with an accuracy of 35.3%. CONCLUSIONS: Post mortem assessment of the renal histopathology in critically ill patients is neither robust nor reproducible; independent pathologists agree poorly on the diagnosis of ATN, and their structural assessment appears dissociated from ante-mortem renal function.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».