MétaCan
Menu
Retour à la cohorte
Enregistrement W4366352838 · doi:10.1080/0886022x.2023.2201362

Iron metabolism-related indicators as predictors of the incidence of acute kidney injury after cardiac surgery: a meta-analysis

2023· review· en· W4366352838 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueRenal Failure · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineIncidence (geometry)Meta-analysisObservational studyInternal medicineCardiac surgeryCochrane LibraryAcute kidney injuryConfidence intervalFerritinSurgery

Résumé

récupéré en direct d'OpenAlex

Background Some studies have found that ferroptosis plays an important role in the incidence of acute kidney injury (AKI) after cardiac surgery. However, whether iron metabolism-related indicators can be used as predictors of the incidence of AKI after cardiac surgery remains unclear.Objectives We aimed to systematically evaluate whether iron metabolism-related indicators can be used as predictors of the incidence of AKI after cardiac surgery via meta-analysis.Search methods: The PubMed, Embase, Web of Science, and Cochrane Library databases were searched from January 1971 to February 2023 to identify prospective observational and retrospective observational studies examining iron metabolism-related indicators and the incidence of AKI after cardiac surgery among adults.Data Extraction and Synthesis: The following data were extracted by two independent authors (ZLM and YXY): date of publication, first author, country, age, sex, number of included patients, iron metabolism-related indicators, outcomes of patients, patient types, study types, sample, and specimen sampling time. The level of agreement between authors was determined using Cohen’s κ value. The Newcastle–Ottawa Scale (NOS) was used to evaluate the quality of studies. Statistical heterogeneity across the studies was measured by the I2 statistic. The standardized mean difference (SMD) and 95% confidence interval (CI) were used as effect size measures. Meta-analysis was performed using Stata 15.Results After applying the inclusion and exclusion criteria, 9 articles on iron metabolism-related indicators and the incidence of AKI after cardiac surgery were included in this study. Meta-analysis revealed that after cardiac surgery, baseline serum ferritin (μg/L) (I2 = 43%, fixed effects model, SMD = −0.3, 95% CI:-0.54 to −0.07, p = 0.010), preoperative and 6-hour postoperative fractional excretion (FE) of hepcidin (%) (I2 = 0.0%, fixed effects model, SMD = −0.41, 95% CI: −0.79 to −0.02, p = 0.038; I2 = 27.0%, fixed effects model, SMD = −0.49, 95% CI: −0.88 to −0.11, p = 0.012), 24-hour postoperative urinary hepcidin (μg/L) (I2 = 0.0%, fixed effects model, SMD = −0.60, 95% CI: −0.82 to −0.37, p < 0.001) and urine hepcidin/urine creatinine ratio (μg/mmoL) (I2 = 0.0%, fixed effects model, SMD = −0.65, 95% CI: −0.86 to −0.43, p < 0.001) were significantly lower in patients who developed to AKI than in those who did not.Conclusion After cardiac surgery, patients with lower baseline serum ferritin levels (μg/L), lower preoperative and 6-hour postoperative FE of hepcidin (%), lower 24-hour postoperative hepcidin/urine creatinine ratios (μg/mmol) and lower 24-hour postoperative urinary hepcidin levels (μg/L) are more likely to develop AKI. Therefore, these parameters have the potential to be predictors for AKI after cardiac surgery in the future. In addition, there is a need for relevant clinical research of larger scale and with multiple centers to further test these parameters and prove our conclusion.Trial Registration: PROSPERO identifier: CRD42022369380.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0110,015
Bibliométrie0,0020,008
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,302
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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