Acute kidney injury in cirrhosis: implications for liver transplantation
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Acute kidney injury (AKI) in cirrhosis consists of varying phenotypes, with hepatorenal syndrome (HRS) representing a single entity. Prompt recognition and diagnosis of AKI cause identifies appropriate therapeutic measures. This review provides an overview of AKI definitions, highlights challenges in quantifying renal impairment in cirrhosis, lists novel diagnostic AKI biomarkers, and summarizes transplantation implications. RECENT FINDINGS: Biomarkers (neutrophil gelatinase-associated lipocalin, kidney injury molecule-1, interleukin-18, and liver-type fatty acid-binding protein) may assist in the identification of underlying acute tubular necrosis. Of these, neutrophil gelatinase-associated lipocalin is the most promising; however, significant overlap occurs among AKI phenotypes, with diagnostic values yet to be defined. Mainstay treatment of HRS consists of albumin and vasopressors. Acute-on-chronic liver failure grade independently predicts response to terlipressin treatment. Many end-stage liver disease patients with AKI have underlying chronic kidney disease with important implications on pre and postliver transplantation mortality. Simultaneous liver-kidney transplant candidacy is based on low likelihood of renal recovery. SUMMARY: Novel biomarkers may assist in identification of acute tubular necrosis and persistent/severe AKI. Norepinephrine has been suggested to be inferior to terlipressin, with additional research required. Increasing acute-on-chronic liver failure grade correlates with lower likelihood of vasopressor response in HRS. Severe preliver transplantation AKI confers significantly worse postliver transplantation renal outcomes.
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) | 0,001 | 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 ».