Clinical Characteristics and Outcomes of Patients With Severe COVID-19 Induced Acute Kidney Injury
Notice bibliographique
Résumé
BACKGROUND: The incidence and outcome of Coronavirus disease 2019 (COVID-19)-induced kidney injury have been variably described. We aimed to describe the clinical characteristics, correlates and outcomes of critically ill patients with severe COVID-19 complicated by acute kidney injury (AKI). METHODS: We performed a multicenter retrospective cohort study of 671 critically ill adults with laboratory-confirmed COVID-19 from 19 hospitals in China between January 1 to February 29, 2020. Data were captured on demographics, comorbidities, symptoms, acute physiology, laboratory parameters, interventions, and outcomes. The primary exposure was ICU admission for confirmed COVID-19 related critically illness. The primary outcome was 28-day mortality. Secondary outcomes included factors associated with AKI, organ dysfunction, treatment intensity, and health services use. MEASUREMENTS AND MAIN RESULTS: Of 671 severe COVID-19 patients (median [IQR] 65 [56-73] years; male sex 65% (n = 434); hypertension 43% (n = 287) and APACHE II score 10 [7-14]), 39% developed AKI. Patients with AKI were older, had greater markers of inflammation and coagulation activation, and had greater acuity and organ dysfunction as presentation. Despite similar treatment with antivirals, patients with AKI had lower viral conversion negative rates than those without AKI. The 28-day mortality was much higher in AKI patients than patients without AKI (72% vs. 42%), and there was an increase in 28-day mortality according to the severity of AKI. Non-survivors were less likely to receive antiviral therapy [132 (70%) vs. 65 (88%)] compared with survivors and have lower viral negative conversion rate [17 (9%) vs. 47 (64%)]. CONCLUSIONS: Acute kidney injury was quite common in severe COVID-19 pneumonia, which associated with higher mortality.
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 | 0,001 | 0,401 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».