Acute kidney injury following resection of hepatocellular carcinoma: prognostic value of the acute kidney injury network criteria
Notice bibliographique
Résumé
<h3>Background:</h3> Acute kidney injury (AKI) is associated with increased morbidity and mortality after liver resection. Patients with hepatocellular carcinoma (HCC) have a higher risk of AKI owing to the underlying association between hepatic and renal dysfunction. Use of the Acute Kidney Injury Network (AKIN) diagnostic criteria is recommended for patients with cirrhosis, but remains poorly studied following liver resection. We compared the prognostic value of the AKIN creatinine and urine output criteria in terms of postoperative outcomes following liver resection for HCC. <h3>Methods:</h3> All patients who underwent a liver resection for HCC from January 2010 to June 2016 were included. We used AKIN urine output and creatinine criteria to assess for AKI within 48 hours of surgery. <h3>Results:</h3> Eighty liver resections were performed during the study period. Cirrhosis was confirmed in 80%. Median hospital stay was 9 (interquartile range 7–12) days, and 30-day mortality was 2.5%. The incidence of AKI was higher based on the urine output than on the creatinine criterion (53.8% v. 20%), and was associated with prolonged hospitalization and 30-day postoperative mortality when defined by serum creatinine (hospital stay: 11.2 v. 20.1 d, <i>p</i> = 0.01; mortality: 12.5% v. 0%, <i>p</i> < 0.01), but not urine output (hospital stay: 15.6 v. 10 d, <i>p</i> = 0.05; mortality: 2.3% v. 2.7%, <i>p</i> > 0.99). <h3>Conclusion</h3> The urine output criterion resulted in an overestimation of AKI and compromised the prognostic value of AKIN criteria. Revision may be required to account for the exacerbated physiologic postoperative reduction in urine output in patients with HCC.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».