Risk of Preeclampsia and Pregnancy Complications in Women With a History of Acute Kidney Injury
Notice bibliographique
Résumé
An episode of clinically recovered acute kidney injury (r-AKI) has been identified as a risk factor for future hypertension and cardiovascular disease. Our objective was to assess whether r-AKI was associated with future preeclampsia and other adverse pregnancy outcomes and to identify whether severity of AKI or time interval between AKI and pregnancy was associated with pregnancy complications. We conducted a retrospective cohort study of women who delivered infants between 1998 and 2016 at Massachusetts General Hospital. AKI was defined using the 2012 Kidney Disease Improving Global Outcomes laboratory criteria with subsequent clinical recovery (estimate glomerular filtration rate, >90 mL/min per 1.73 m 2 before conception). AKI was further classified by severity (Kidney Disease Improving Global Outcomes stages 1–3) and time interval between AKI episode and the start of pregnancy. Women with r-AKI had an increased rate of preeclampsia compared with women without previous r-AKI (22% versus 9%; P <0.001). Infants of women with r-AKI were born earlier (gestational age, 38.2±3.0 versus 39.0±2.2 weeks; P <0.001) and were more likely to be small for gestational age (9% versus 5%; P =0.002). Increasing severity of r-AKI was associated with increased risk of preeclampsia for stages 2 and 3 AKI (adjusted odds ratio, 3.5; 95% confidence interval, 2.1–5.7 and adjusted odds ratio, 6.5; 95% confidence interval, 3.5–12.0, respectively), but not for stage 1 (adjusted odds ratio, 1.7; 95% confidence interval, 0.9–3.2). A history of AKI before pregnancy, despite apparent full recovery, was associated with increased risk of pregnancy complications. Severity and timing of the AKI episode modified the risk.
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) | 0,000 | 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 ».