Use of Desmopressin Prior to Kidney Biopsy in Patients With High Bleeding Risk
Notice bibliographique
Résumé
IntroductionTo prevent bleeding after native kidney biopsy (NKB), nephrologists often prescribe desmopressin, especially for patients with reduced estimated glomerular filtration rate (eGFR) at risk of uremia-related platelet dysfunction. However, only 1 randomized study has suggested a beneficial effect for desmopressin in patients with eGFR ≥60 ml/min per 1.73 m2. This retrospective cohort study aimed to evaluate desmopressin effect on postbiopsy bleeding in all patients, regardless of eGFR and other comorbidities.MethodsIn this retrospective cohort study, all adult patients who underwent an NKB from April 1, 2013, to April 30, 2018, in a tertiary hospital were identified. The association between desmopressin use and bleeding complications, including hemoglobin fall, transfusion, hematoma, symptomatic hematoma, urgent radiologic study, and hypotension, was analyzed using multivariable logistic regression models.ResultsA total of 413 native kidney biopsies were studied, 79% of which were performed after receiving desmopressin. Patients receiving desmopressin had worse chronic kidney disease (eGFR 28 vs. 45 ml/min per 1.73 m2; P < 0.001) and were more often hospitalized (48% vs. 32%; P = 0.009). Despite higher bleeding risk, patients using desmopressin had a similar likelihood of symptomatic hematomas (odds ratio [OR], 0.39; 95% confidence interval [CI], 0.13–1.14) and a lower need for urgent radiologic studies (OR, 0.33; 95% CI, 0.11–0.98).ConclusionPatients at higher risk of bleeding using desmopressin before kidney biopsy had bleeding complications similar to those not using desmopressin. These results highlight potential important clinical and financial benefits of desmopressin use before kidney biopsy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».