Effectiveness of contrast-associated acute kidney injury prevention methods; a systematic review and network meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,016 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,027 | 0,006 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| 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 découle