Ultrasonography in Acute Kidney Injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Advances in the use of ultrasonography can enhance our ability to better characterize acute kidney injury (AKI). AKI is a clinical syndrome characterized by a rapid decrease in kidney excretory function with the accumulation of products of nitrogen metabolism and other clinically unmeasured waste products, and may proceed to include clinical manifestations including decreased urine output, development of metabolic acidosis, and electrolyte abnormalities [1]. The Kidney Disease Improving Global Outcomes (KDIGO) criteria defines AKI (Table 1). Staging severity of AKI guides the physician in respect to medical management and prognosis. The overall incidence of AKI is around 20% of patients hospitalized worldwide, and around 50% in intensive care unit (ICU) patients [2, 3]. AKI has been found to have increasing morbidity and mortality, no matter the cause of admission, as well as an in-hospital mortality of close to 50% [4]. In a large study of 8 ICUs over 8 years, Kellum et al. found that AKI was associated with increasing mortality rate with worsening AKI stage. A decrease in urine output alone, without an increase in serum creatinine, was associated with decreased 1-year survival [5]. Recurrent AKI has also been associated with increased mortality, further demonstrating the importance of detecting, monitoring, and diagnosing AKI [6].
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 découle