Prognosis of hospitalized patients with cirrhosis and acute kidney disease
Notice bibliographique
Résumé
BACKGROUND: or a rise in serum creatinine (sCr) of <50% for <3 months, is not clearly known. AIM: To study the prevalence, predictive factors and clinical outcomes in hospitalized cirrhotic patients with AKD. METHODS: The North American Consortium for the Study of End-Stage Liver Disease prospectively enrolled hospitalized decompensated cirrhotic patients. Patients were separated into those with normal renal function (controls or C), AKD or stage 1 AKI as their worst renal dysfunction per International Club of Ascites definition and compared. Parameters assessed included demographics, laboratory data, haemodynamics, renal and patient outcomes. RESULTS: 1244 patients with cirrhosis and ascites (C: 704 or 57%; AKD: 176 or 14%; stage 1 AKI: 364 or 29%) with similar demographics were enrolled. AKD patients had similar baseline sCr but higher hospital admission in the previous 6 months, and higher peak sCr, compared to controls, with their peak sCr being lower than that in stage 1 AKI patients (all P < .0001). The in-hospital and 30-day survival for AKD patients were intermediary between that for controls and stage 1 AKI patients (96% vs 91% vs 86%, P < .0001). The strongest predictors for AKD development while in hospital were the presence of a second infection (OR: 2.44) and diabetes (OR: 1.53). CONCLUSIONS: Patients with AKD had intermediate outcomes between stage 1 AKI and controls. AKD patients, especially those with diabetes and a second infection, need careful monitoring and prompt treatment for AKD to prevent negative outcomes.
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) | 0,000 | 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) | 0,001 | 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 ».