Biomarkers for prediction of renal replacement therapy in acute kidney injury: a systematic review and meta-analysis
Notice bibliographique
Résumé
PURPOSE: Acute kidney injury (AKI) frequently occurs in critically ill patients and often precipitates use of renal replacement therapy (RRT). However, the ideal circumstances for whether and when to start RRT remain unclear. We performed evidence synthesis of the available literature to evaluate the value of biomarkers to predict receipt of RRT for AKI. METHODS: We conducted a PRISMA-guided systematic review and meta-analysis including all trials evaluating biomarker performance for prediction of RRT in AKI. A systematic search was applied in MEDLINE, Embase, and CENTRAL databases from inception to September 2017. All studies reporting an area under the curve (AUC) for a biomarker to predict initiation of RRT were included. RESULTS: Sixty-three studies comprising 15,928 critically ill patients (median per study 122.5 [31-1439]) met eligibility. Forty-one studies evaluating 13 different biomarkers were included. Of these biomarkers, neutrophil gelatinase-associated lipocalin (NGAL) had the largest body of evidence. The pooled AUCs for urine and blood NGAL were 0.720 (95% CI 0.638-0.803) and 0.755 (0.706-0.803), respectively. Blood creatinine and cystatin C had pooled AUCs of 0.764 (0.732-0.796) and 0.768 (0.729-0.807), respectively. For urine biomarkers, interleukin-18, cystatin C, and the product of tissue inhibitor of metalloproteinase-2 and insulin growth factor binding protein-7 showed pooled AUCs of 0.668 (0.606-0.729), 0.722 (0.575-0.868), and 0.857 (0.789-0.925), respectively. CONCLUSION: Though several biomarkers showed promise and reasonable prediction of RRT use for critically ill patients with AKI, the strength of evidence currently precludes their routine use to guide decision-making on when to initiate RRT.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,033 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».