MétaCan
Menu
Retour à la cohorte
Enregistrement W3113301600 · doi:10.1016/j.xkme.2020.11.008

The Prevalence of Acute Kidney Injury in Patients Hospitalized With COVID-19 Infection: A Systematic Review and Meta-analysis

2020· review· en· W3113301600 sur OpenAlexafffund
Samuel A. Silver, William Beaubien‐Souligny, Prakesh S. Shah, Shai Har-El, Daniel Blum, Teruko Kishibe, Alejandro Meraz-Muñoz, Ron Wald, Ziv Harel

Notice bibliographique

RevueKidney Medicine · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensJewish General HospitalSt. Michael's HospitalMount Sinai HospitalCentre Hospitalier de l’Université de MontréalQueen's UniversityKingston Health Sciences Centre
Organismes subventionnairesFonds de Recherche du Québec - SantéKidney Foundation of CanadaCanadian Institutes of Health ResearchCanadian Society of NephrologyBaxter International
Mots-clésCoronavirus disease 2019 (COVID-19)MedicineMeta-analysisAcute kidney injurySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakInternal medicineIntensive care medicineVirologyOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

RATIONALE & OBJECTIVE: Coronavirus disease 2019 (COVID-19) may be associated with high rates of acute kidney injury (AKI) and kidney replacement therapy (KRT), potentially overwhelming health care resources. Our objective was to determine the pooled prevalence of AKI and KRT among hospitalized patients with COVID-19. STUDY DESIGN: Systematic review and meta-analysis. DATA SOURCES: MEDLINE, Embase, the Cochrane Library, and a registry of preprinted studies, published up to October 14, 2020. STUDY SELECTION: Eligible studies reported the prevalence of AKI in hospitalized patients with COVID-19 according to the Kidney Disease: Improving Global Outcomes (KDIGO) definition. DATA EXTRACTION & SYNTHESIS: We extracted data on patient characteristics, the proportion of patients developing AKI and commencing KRT, important clinical outcomes (discharge from hospital, ongoing hospitalization, and death), and risk of bias. OUTCOMES & MEASURES: We calculated the pooled prevalence of AKI and receipt of KRT along with 95% CIs using a random-effects model. We performed subgroup analysis based on admission to an intensive care unit (ICU). RESULTS: = 88%) commenced KRT. LIMITATIONS: There was significant heterogeneity among the included studies, which remained unaccounted for in subgroup analysis. CONCLUSIONS: AKI complicated the course of nearly 1 in 3 patients hospitalized with COVID-19. The risk for AKI was higher in critically ill patients, with a substantial number receiving KRT at rates higher than the general ICU population. Because COVID-19 will be a public health threat for the foreseeable future, these estimates should help guide KRT resource planning.

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)0,018
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,046
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0200,039
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,065
Tête enseignante GPT0,407
Écart entre enseignants0,342 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations207
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney MedicineMême sujetAcute Kidney Injury ResearchTravaux en français237 207