MétaCan
Menu
Retour à la cohorte
Enregistrement W3023849385 · doi:10.1001/jamanetworkopen.2020.3639

Epidemiologic Characteristics of Acute Kidney Injury During Cisplatin Infusions in Children Treated for Cancer

2020· article· en· W3023849385 sur OpenAlexafffundabout
Kelly R. McMahon, Shahrad R. Rassekh, Kirk R. Schultz, Tom Blydt‐Hansen, Geoff D.E. Cuvelier, Cherry Mammen, Maury Pinsk, Bruce Carleton, Ross T. Tsuyuki, Colin J.D. Ross, Ana Palijan, Louis Huynh, Mariya Yordanova, Frédérik Crépeau-Hubert, Stella Wang, Debbie Boyko, Michael Zappitelli

Notice bibliographique

RevueJAMA Network Open · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChemotherapy-induced organ toxicity mitigation
Établissements canadiensHospital for Sick ChildrenQueen's UniversityUniversity of AlbertaCancerCare ManitobaUniversity of British ColumbiaMcGill University Health CentreMcGill UniversityMontreal Children's HospitalUniversity of TorontoCentre for Global Health ResearchBC Children's HospitalUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchHospital for Sick ChildrenMcGill University Health CentreMcGill University
Mots-clésMedicineAcute kidney injuryCommon Terminology Criteria for Adverse EventsRenal functionKidney diseaseCreatinineInternal medicineCancerUrology

Résumé

récupéré en direct d'OpenAlex

Importance: Few multicenter pediatric studies have comprehensively described the epidemiologic characteristics of cisplatin-associated acute kidney injury using standardized definitions. Objective: To examine the rate of and risk factors associated with acute kidney injury among children receiving cisplatin infusions. Design, Setting, and Participants: This prospective cohort study examined children (aged <18 years) recruited from May 23, 2013, to March 31, 2017, at 12 Canadian pediatric academic health centers who were receiving 1 or more cisplatin infusion. Children whose estimated or measured glomerular filtration rate (GFR) was less than 30 mL/min/1.73 m2 or who had received a kidney transplant were excluded. Data analysis was performed from January 3, 2018, to September 20, 2019. Exposures: Cisplatin infusions. Main Outcomes and Measures: The primary outcome was acute kidney injury during cisplatin infusion, defined using a Kidney Disease: Improving Global Outcomes serum creatinine criteria-based definition (stage 1 or higher). The secondary outcome was acute kidney injury defined by electrolyte criteria from the National Cancer Institute Common Terminology Criteria for Adverse Events (grade 1 or higher). Assessments occurred at early (first or second cycle) and late (last or second to last cycle) cisplatin infusions. Results: A total of 159 children (mean [SD] age at early cisplatin infusion, 7.2 [5.3] years; 80 [50%] male) participated. The most common diagnoses were central nervous system tumors (58 [36%]), neuroblastoma (43 [27%]), and osteosarcoma (33 [21%]). Acute kidney injury (by serum creatinine level increase) occurred in 48 of 159 patients (30%) at early cisplatin infusions and 23 of 143 patients (16%) at late cisplatin infusions. Acute kidney injury (by electrolyte abnormalities) occurred in 106 of 159 patients (67%) at early cisplatin infusion and 100 of 143 patients (70%) at late cisplatin infusions. Neuroblastoma diagnosis and higher precisplatin GFR were independently associated with acute kidney injury (serum creatinine level increase) at early cisplatin infusions (adjusted odds ratio [aOR] for neuroblastoma vs other, 3.25; 95% CI, 1.18-8.95; aOR for GFR, 1.01; 95% CI, 1.00-1.03) and late cisplatin infusions (aOR for neuroblastoma vs other, 6.85; 95% CI, 1.23-38.0; aOR for GFR, 1.01; 95% CI, 1.00-1.03). Higher cisplatin infusion dose was also independently associated with acute kidney injury (serum creatinine level increase) at later cisplatin infusions (aOR, 1.05; 95% CI, 1.01-1.10). Conclusions and Relevance: The findings suggest that acute kidney injury is common among children receiving cisplatin infusions and that rate and risk factors differ at earlier vs later infusions. These results may help with risk stratification with a goal of risk reduction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,324
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetChemotherapy-induced organ toxicity mitigationTravaux en français237 207