MétaCan
Menu
Retour à la cohorte
Enregistrement W3097443513 · doi:10.12998/wjcc.v8.i20.4726

Predictive value of serum cystatin C for risk of mortality in severe and critically ill patients with COVID-19

2020· article· en· W3097443513 sur OpenAlexaff
Yan Li, Shuang Yang, Ding Peng, Hongming Zhu, Bang-Yi Li, Xuelian Sun, Mei Zhang

Notice bibliographique

RevueWorld Journal of Clinical Cases · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineCystatin CInternal medicineCreatinineRenal functionAcute kidney injuryProportional hazards modelLactate dehydrogenaseGastroenterology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The outbreak of coronavirus disease 2019 (COVID-19) has rapidly evolved into a global pandemic. COVID-19 is clinically categorized into mild, moderate, severe, and critical illness. Acute kidney injury is an independent risk factor for poor prognosis in patients with. Serum cystatin C (sCys C) is considered a more sensitive biomarker for early renal insufficiency than conventional indicators of renal function. Early detection of risk factors that affect the prognosis of severe and critically ill patients while using active and effective treatment measures is very important and can effectively reduce the potential mortality rate. AIM: To determine the predictive value of sCys C for the prognosis of patients with COVID-19. METHODS: The clinical data of 101 severe and critically ill patients with COVID-19 at a designated hospital in Wuhan, Hubei Province, China were analyzed retrospectively. According to the clinical outcome, the patients were divided into a discharge group (64 cases) and a death group (37 cases). The general information, underlying diseases, and laboratory examination indexes of the two groups were compared. Multivariate Cox regression was used to explore the relationship between sCys C and prognosis. The receiver operating characteristic (ROC) curve was used to demonstrate the sensitivity and specificity of sCys C and its optimal cut-off value for predicting death. RESULTS: < 0.001). The area under the ROC curve was 0.755 (95%CI: 1.300-2.527), the cut-off value was 0.80, the specificity was 0.562, and the sensitivity was 0.865. CONCLUSION: sCys C is an independent risk factor for death in patients with COVID-19. Patients with a sCys C level of 0.80 mg/L or greater are at a high risk of death.

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)0,007
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,053
Tête enseignante GPT0,391
Écart entre enseignants0,338 · 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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Clinical CasesMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207