The Prevalence of Acute Kidney Injury in Patients Hospitalized With COVID-19 Infection: A Systematic Review and Meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| 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) | 0,001 | 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 découle