Comparative analysis of four established risk scores for predicting contrast induced acute kidney injury after primary percutaneous coronary interventions
Notice bibliographique
Résumé
This study aimed to compare Mehran Risk Score (MRS) with three well -known scoring systems namely CHA2DS2-VASc score, Canada Acute Coronary Syndrome Risk Score (C-ACS), and Thrombolysis in Myocardial Infarction risk index (TRI) to predict the contrast-induced acute kidney injury (CI-AKI) after primary percutaneous coronary intervention (PCI). CI-AKI is a common complication after primary PCI associated with an adverse prognosis. In this study consecutive patients of primary PCI were included. Patients with chronic kidney diseases, exposure to the contrast medium within the past 7 days, and Killip class IV at presentation were excluded. MRS along with three risk scores namely CHA2DS2-VASc, C-ACS, and TRI were calculated for all patients and CI-AKI was defined as either 0.5 mg/dL or 25% relative increase in post-procedure serum creatinine. The area under the curve (AUC) curve was reported. Post primary PCI CI-AKI was observed in 63 (9.1%) patients out of 691 patients. The AUC was 0.745 [0.679–0.810] for MRS, 0.725 [0.662–0.788] for CHA2DS2-VASc, 0.671 [0.593–0.749] for C-ACS, and 0.734 [0.674–0.795] for TRI. Sensitivity and specificity were 61.9% [48.8–73.8%] and 76.0% [72.4–79.3%] for MRS ≥ 6.5, 66.7% [53.7–78.0%] and 66.7% [62.9–70.4%] for CHA2DS2-VASc ≥ 2, 52.4% [39.4–65.1%] and 79.9% [76.6–83.0%] for C-ACS ≥ 1, and 87.3% [76.5–94.4%] and 49.2% [45.2–53.2%] for TRI ≥ 16 respectively. The MRS has shown higher discriminating power than CHA2DS2-VASc, C-ACS, and TRI. However, the TRI can be of good value in clinical practice due to its simplicity and high sensitivity in detecting patients at higher risk of CI-AKI after primary PCI.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 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 ».