Acute Kidney Injury in Pregnancy: The Changing Landscape for the 21st Century
Notice bibliographique
Résumé
Pregnancy-related acute kidney injury (Pr-AKI) remains a large public health problem, with decreasing incidences in developing countries but seemingly increasing incidences in the United States and Canada. These epidemiologic changes are reflective of the advances in medical and obstetric care, as well as changes in underlying maternal risk factors. The risk factors associated with advanced maternal age, such as hypertension, diabetes, chronic kidney disease, and those associated with reproductive technologies such as multiple gestations, are increasing. Traditional causes of Pr-AKI, such as septic abortions and puerperal sepsis, have been replaced by hypertensive diseases, such as preeclampsia and thrombotic microangiopathies comprising thrombotic thrombocytopenic purpura (TTP) and atypical hemolytic uremic syndrome (aHUS). In this review, we discuss the global impact of Pr-AKI on maternal and fetal outcomes, the predominant etiologies, and key clinical features to distinguish diagnoses, such as preeclampsia/hemolysis elevated liver function test and low platelet (HELLP) syndrome, acute fatty liver disease of pregnancy (AFLP), and other thrombotic microangiopathies. New insights into the pathogenesis of preeclampsia, TTP/aHUS, and AFLP that have unearthed possible therapeutic targets are summarized. We also delve into special consideration needed to give to pyelonephritis and postobstructive causes of Pr-AKI. With each diagnosis, we offer the latest treatment recommendations, such as the positive reports from the use of eculizumab to treat aHUS. In the end, we hope to arm the clinician with the best tools to understand and address this morbid problem that does not seem to be disappearing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».