Bedside risk score for prediction of acute kidney injury after transcatheter aortic valve replacement
Notice bibliographique
Résumé
Background: Acute kidney injury (AKI) is a common post-transcatheter aortic valve replacement (TAVR) complication associated with a poor prognosis. We sought to create a risk calculator using information that would be available during the work-up period. Methods: Data were obtained from a multicentre TAVR registry (n=1993) with cases from 1 January 2012 to 31 December 2015. We used logistic regression to create a risk calculator to predict AKI as defined by the Valve Academic Research Consortium Guidelines. We internally validated our risk calculator using bootstrapping, and evaluated model discrimination and calibration. Results: A simple risk score was derived with six variables, including New York Heart Association functional classification class 4, non-femoral access site, valve-in-valve procedure, haemoglobin, creatinine clearance and weight in kilograms. The score was able to predict the absolute risk of AKI from 1% to 72%. The model showed good discrimination with c-statistic 0.713, with good agreement between predicted and observed AKI rates across quintiles of risk. Conclusions: This is the first risk calculator to assess post-TAVR risk of AKI. We found that information known pre-procedurally can be used to predict AKI. This may allow for more informed decision-making as well as identifying high-risk patients.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».