Urinary biomarkers predict progression and adverse outcomes of acute kidney injury in critical illness
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is common in hospitalized patients and is associated with high morbidity and mortality. The Dublin Acute Biomarker Group Evaluation study is a prospective cohort study of critically ill patients (n = 717). We hypothesized that novel urinary biomarkers would predict progression of AKI and associated outcomes. METHODS: The primary (diagnostic) analysis assessed the ability of biomarkers levels at the time of early Stage 1 or 2 AKI to predict progression to higher AKI stage, renal replacement therapy (RRT) or death within 7 days of intensive care unit admission. In the secondary (prognostic) analysis, we investigated the association between biomarker levels and RRT or death within 30 days. RESULTS: In total, 186 patients had an AKI within 7 days of admission. In the primary (diagnostic) analysis, 8 of the 14 biomarkers were independently associated with progression. The best predictors were cystatin C [adjusted odds ratio (aOR) 5.2; 95% confidence interval (CI) 1.3-23.6], interleukin-18 (IL-18; aOR 5.1; 95% CI 1.8-15.7), albumin (aOR 4.9; 95% CI 1.5-18.3) and neutrophil gelatinase-associated lipocalin (NGAL; aOR 4.6; 95% CI 1.4-17.9). Receiver-operating characteristics and net reclassification index analyses similarly demonstrated improved prediction by these biomarkers. In the secondary (prognostic) analysis of Stages 1-3 AKI cases, IL-18, NGAL, albumin and monocyte chemotactic protein-1 were also independently associated with RRT or death within 30 days. CONCLUSIONS: Among 14 novel urinary biomarkers assessed, cystatin C, IL-18, albumin and NGAL were the best predictors of Stages 1-2 AKI progression. These biomarkers, after further validation, may have utility to inform diagnostic and prognostic assessment and guide management of AKI in critically ill patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».