Integration of the Renal Angina Index and Urine Neutrophil Gelatinase-Associated Lipocalin Improves Severe Acute Kidney Injury Prediction in Critically Ill Children and Young Adults
Notice bibliographique
Résumé
Introduction: Acute kidney injury (AKI) occurs in one-fourth of children and young adults admitted to pediatric intensive care unit (PICU). Severe AKI (sAKI; Kidney Disease: Improving Global Outcomes stage 2 or 3) is associated with morbidity and mortality. An AKI risk stratification system, the Renal Angina Index (RAI) calculated at 12 hours of admission, exhibits excellent performance to rule out sAKI at 72 hours of admission. We found that integration of urine neutrophil gelatinase-associated lipocalin (NGAL) with RAI improves prediction of sAKI. We now report the first-year results after implementation of our prospective automated RAI-NGAL clinical decision support (CDS) program. Methods: Patients 3 months to 25 years of age were eligible. Admission order sets have a conditional order for urine NGAL released when a 12-hour RAI ≥8. The primary outcome was sAKI any time at days 2 to 4 of admission. We assessed performance of the RAI and RAI+/NGAL to predict the primary outcome. Results: A total of 1427 unique patients accounted for 1575 admissions. In 147 admissions, RAI was ≥8. RAI <8 had negative predictive value (NPV) of 0.98 (95% CI 0.97-0.99); RAI ≥ 8 had positive predictive value (PPV) of 0.37 (95% CI 0.30-0.46) to predict days 2 to 4 sAKI (area under the receiver operating characteristic curve [AUC-ROC] 0.88 [95% CI 0.84-0.92]). Of 147 RAI+ patients, 89 had NGAL available. RAI/NGAL combination improved PPV (0.64, 95% CI 0.50-0.79) without decrement in NPV (0.98, 95% CI 0.97-0.98). Conclusion: AKI biomarker assessment directed by risk stratification improves prediction of sAKI in critically ill children and young adults. This CDS process has potential to enrich the population for interventional study, although improvement to adherence to CDS is needed.
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 | 0,006 |
| 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 | 0,001 |
| 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 ».