Effectiveness of contrast-associated acute kidney injury prevention methods; a systematic review and network meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Different methods to prevent contrast-associated acute kidney injury (CA-AKI) have been proposed in recent years. We performed a mixed treatment comparison to evaluate and rank suggested interventions. METHODS: A comprehensive Systematic review and a Bayesian network meta-analysis of randomised controlled trials was completed. Results were tabulated and graphically represented using a network diagram; forest plots and league tables were shown to rank treatments by the surface under the cumulative ranking curve (SUCRA). A stacked bar chart rankogram was generated. We performed main analysis with 200 RCTs and three analyses according to contrast media and high or normal baseline renal profile that includes 173, 112 & 60 RCTs respectively. RESULTS: We have included 200 trials with 42,273 patients and 44 interventions. The primary outcome was CI-AKI, defined as ≥25% relative increase or ≥ 0.5 mg/dl increase from baseline creatinine one to 5 days post contrast exposure. The top ranked interventions through different analyses were Allopurinol, Prostaglandin E1 (PGE1) & Oxygen (0.9647, 0.7809 & 0.7527 in the main analysis). Comparatively, reference treatment intravenous hydration was ranked lower but better than Placebo (0.3124 VS 0.2694 in the main analysis). CONCLUSION: Multiple CA-AKI preventive interventions have been tested in RCTs. This network evaluates data for all the explored options. The results suggest that some options (particularly allopurinol, PGE1 & Oxygen) deserve further evaluation in a larger well-designed RCTs.
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 | 0,039 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,033 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».