MétaCan
Menu
Retour à la cohorte
Enregistrement W3162729225 · doi:10.1002/hep.31907

Admission Urinary and Serum Metabolites Predict Renal Outcomes in Hospitalized Patients With Cirrhosis

2021· article· en· W3162729225 sur OpenAlexafffund
Jasmohan S. Bajaj, Guadalupe García‐Tsao, K. Rajender Reddy, Jacqueline G. O’Leary, Hugo E. Vargas, Jennifer C. Lai, Patrick S. Kamath, Puneeta Tandon, Ram Subramanian, Paul J. Thuluvath, Andrew Fagan, Tejasav S. Sehrawat, Randolph de la Rosa Rodríguez, Leroy R. Thacker, Florence Wong

Notice bibliographique

RevueHepatology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of TorontoUniversity of Alberta
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on AgingAgency for Healthcare Research and QualityGrifolsNational Institute of Diabetes and Digestive and Kidney DiseasesMallinckrodt PharmaceuticalsU.S. Department of Veterans Affairs
Mots-clésMedicineCirrhosisAcute kidney injuryCreatinineDialysisUrinary systemUrineCohortInternal medicineIntensive care medicineCohort studyNephrologyGastroenterologyUrology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Acute kidney injury (AKI) has a poor prognosis in cirrhosis. Given the variability of creatinine, the prediction of AKI and dialysis by other markers is needed. The aim of this study is to determine the role of serum and urine metabolomics in the prediction of AKI and dialysis in an inpatient cirrhosis cohort. APPROACH AND RESULTS: Inpatients with cirrhosis from 11 North American Consortium of End-stage Liver Disease centers who provided admission serum/urine when they were AKI and dialysis-free were included. Analysis of covariance adjusted for demographics, infection, and cirrhosis severity was performed to identify metabolites that differed among patients (1) who developed AKI or not; (2) required dialysis or not; and/pr (3) within AKI subgroups who needed dialysis or not. We performed random forest and AUC analyses to identify specific metabolite(s) associated with outcomes. Logistic regression with clinical variables with/without metabolites was performed. A total of 602 patients gave serum (218 developed AKI, 80 needed dialysis) and 435 gave urine (164 developed AKI, 61 needed dialysis). For AKI prediction, clinical factor-adjusted AUC was 0.91 for serum and 0.88 for urine. Major metabolites such as uremic toxins (2,3-dihydroxy-5-methylthio-4-pentenoic acid [DMTPA], N2N2dimethylguanosine, uridine/pseudouridine) and tryptophan/tyrosine metabolites (kynunerate, 8-methoxykyunerate, quinolinate) were higher in patients who developed AKI. For dialysis prediction, clinical factor-adjusted AUC was 0.93 for serum and 0.91 for urine. Similar metabolites as AKI were altered here. For dialysis prediction in those with AKI, the AUC was 0.81 and 0.79 for serum/urine. Lower branched-chain amino-acid (BCAA) metabolites but higher cysteine, tryptophan, glutamate, and DMTPA were seen in patients with AKI needing dialysis. Serum/urine metabolites were additive to clinical variables for all outcomes. CONCLUSIONS: Specific admission urinary and serum metabolites were significantly additive to clinical variables to predict AKI development and dialysis initiation in inpatients with cirrhosis. These observations can potentially facilitate earlier initiation of renoprotective measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,521

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations47
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHepatologyMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207