Postoperative Biomarkers Predict Acute Kidney Injury and Poor Outcomes after Pediatric Cardiac Surgery
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
Acute kidney injury (AKI) occurs commonly after pediatric cardiac surgery and associates with poor outcomes. Biomarkers may help the prediction or early identification of AKI, potentially increasing opportunities for therapeutic interventions. Here, we conducted a prospective, multicenter cohort study involving 311 children undergoing surgery for congenital cardiac lesions to evaluate whether early postoperative measures of urine IL-18, urine neutrophil gelatinase-associated lipocalin (NGAL), or plasma NGAL could identify which patients would develop AKI and other adverse outcomes. Urine IL-18 and urine and plasma NGAL levels peaked within 6 hours after surgery. Severe AKI, defined by dialysis or doubling in serum creatinine during hospital stay, occurred in 53 participants at a median of 2 days after surgery. The first postoperative urine IL-18 and urine NGAL levels strongly associated with severe AKI. After multivariable adjustment, the highest quintiles of urine IL-18 and urine NGAL associated with 6.9- and 4.1-fold higher odds of AKI, respectively, compared with the lowest quintiles. Elevated urine IL-18 and urine NGAL levels associated with longer hospital stay, longer intensive care unit stay, and duration of mechanical ventilation. The accuracy of urine IL-18 and urine NGAL for diagnosis of severe AKI was moderate, with areas under the curve of 0.72 and 0.71, respectively. The addition of these urine biomarkers improved risk prediction over clinical models alone as measured by net reclassification improvement and integrated discrimination improvement. In conclusion, urine IL-18 and urine NGAL, but not plasma NGAL, associate with subsequent AKI and poor outcomes among children undergoing cardiac surgery.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 découle