An Evaluation of Commonly Used Surrogate Baseline Creatinine Values to Classify AKI During Acute Infection
Notice bibliographique
Résumé
INTRODUCTION: Classification of acute kidney injury (AKI) requires a premorbid baseline creatinine, often unavailable in studies in acute infection. METHODS: We evaluated commonly used surrogate and imputed baseline creatinine values against a "reference" creatinine measured during follow-up in an adult clinical trial cohort. Known AKI incidence (Kidney Disease: Improving Global Outcomes [KDIGO] criteria) was compared with AKI incidence classified by (1) back-calculation using the Modification of Diet in Renal Disease (MDRD) equation with and without a Chinese ethnicity correction coefficient; (2) back-calculation using the Chronic Kidney Disease-Epidemiology Collaboration (CKD-EPI) equation; (3) assigning glomerular filtration rate (GFR) from age and sex-standardized reference tables; and (4) lowest measured creatinine during admission. Back-calculated distributions were performed using GFRs of 75 and 100 ml/min. RESULTS: All equations using an assumed GFR of 75 ml/min underestimated AKI incidence by more than 50%. Back-calculation with CKD-EPI and GFR of 100 ml/min most accurately predicted AKI but misclassified all AKI stages and had low levels of agreement with true AKI diagnoses. Back-calculation using MDRD and assumed GFR of 100 ml/min, age and sex-reference GFR values adjusted for good health, and lowest creatinine during admission performed similarly, best predicting AKI incidence (area under the receiver operating characteristic curves [AUC ROCs] of 0.85, 0.87, and 0.85, respectively). MDRD back-calculation using a cohort mean GFR showed low total error (22%) and an AUC ROC of 0.85. CONCLUSION: Current methods for estimating baseline creatinine are large sources of potential error in acute infection studies. Preferred alternatives include MDRD equation back-calculation with a population mean GFR, age- and sex-specific GFR values corrected for "good health," or lowest measured creatinine. Studies using surrogate baseline creatinine values should report specific methodology.
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 | 0,002 | 0,009 |
| 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) | 0,002 | 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 ».