Utility of Novel Cardiorenal Biomarkers in the Prediction and Early Detection of Congestive Kidney Injury Following Cardiac Surgery
Notice bibliographique
Résumé
Acute Kidney Injury (AKI) in the context of right ventricular failure (RVF) is thought to be largely congestive in nature. This study assessed the utility of biomarkers high sensitivity cardiac troponin T (hs-cTnT), N-Terminal Pro-B-Type Natriuretic Peptide (NT-proBNP), and neutrophil gelatinase-associated lipocalin (NGAL) for prediction and early detection of congestive AKI (c-AKI) following cardiac surgery. This prospective nested case-control study recruited 350 consecutive patients undergoing elective cardiac surgery requiring cardiopulmonary bypass. Cases were patients who developed (1) AKI (2) new or worsening RVF, or (3) c-AKI. Controls were patients free of these complications. Biomarker levels were measured at baseline after anesthesia induction and immediately postoperatively. Patients with c-AKI had increased mean duration of mechanical ventilation and length of stay in hospital and in the intensive care unit (p < 0.01). For prediction of c-AKI, baseline NT-proBNP yielded an area under the curve (AUC) of 0.74 (95% CI, 0.60–0.89). For early detection of c-AKI, postoperative NT-proBNP yielded an AUC of 0.78 (0.66–0.91), postoperative hs-cTnT yielded an AUC of 0.75 (0.58–0.92), and ∆hs-cTnT yielded an AUC of 0.80 (0.64–0.96). The addition of baseline creatinine to ∆hs-cTnT improved the AUC to 0.87 (0.76–0.99), and addition of diabetes improved the AUC to 0.93 (0.88–0.99). Δhs-cTnT alone, or in combination with baseline creatinine or diabetes, detects c-AKI with high accuracy following cardiac surgery.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».