Un‐precipitated acute kidney injury is uncommon among stable patients with cirrhosis and ascites
Notice bibliographique
Résumé
BACKGROUND & AIMS: Acute episodes of renal dysfunction or acute kidney injury (AKI) in cirrhotic patients with ascites are mostly precipitated by an acute event. The prevalence of un-precipitated AKI in stable ascitic cirrhotic patients is unknown. The aims of this study were to determine (i) the prevalence of un-precipitated AKI in stable cirrhotics with ascites and (ii) any predictive factors for its development. METHODS: A total of 1115 stable cirrhotic patients with mild liver and renal dysfunction but varying degrees of ascites severity from 3 previous satavaptan vs placebo randomized controlled trials (Group A, ascites requiring diuretics but not paracentesis; Group B, ascites requiring frequent paracentesis; Group C, refractory ascites) were included. AKI was diagnosed when there was either an increase of ≥0.3 mg/dL in ≤48 hours or a 50% increase in serum creatinine, and staged according to the fold increase of the serum creatinine. Two serum creatinine levels measured maximally 7 days apart at screening and at randomization of the satavaptan studies with no acute intervening events were used. RESULTS: The prevalence of un-precipitated AKI was 1.8% overall, with the prevalence rising with increasing severity of ascites. Ninety-five per cent of cases were stage 1, with 15% progression rate, 3 reaching the severity of type 1 acute hepatorenal syndrome. Ascites severity was the most powerful predictor for un-precipitated AKI development, which did not predict overall mortality. CONCLUSIONS: Increased prevalence of AKI with more severe ascites despite minimal baseline liver and renal dysfunction suggests that frequent monitoring of renal function in these patients is mandatory.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».