MétaCan
Menu
Retour à la cohorte
Enregistrement W4385791221 · doi:10.1093/ndt/gfad180

Recovery of kidney function after acute kidney disease—a multi-cohort analysis

2023· article· en· W4385791221 sur OpenAlexafffundabout
Simon Sawhney, William Ball, Samira Bell, Corri Black, Christian Fynbo Christiansen, Uffe Heide‐Jørgensen, Simon Kok Jensen, Emilie Lambourg, Paul E. Ronksley, Zhi Tan, Marcello Tonelli, Matthew T. James

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesHealth and Social Care Research and Development DivisionEngineering and Physical Sciences Research CouncilCanadian Institutes of Health ResearchChief Scientist Office, Scottish Government Health and Social Care DirectoratePublic Health AgencyUniversity of AberdeenDiabetes UKMedical Research CouncilVersus ArthritisEconomic and Social Research CouncilArthritis Research UKBritish Heart FoundationScottish GovernmentDepartment of Health and Social CareAcademy of Medical SciencesWellcome Trust
Mots-clésMedicineKidney diseaseRenal functionCohortKidneyCohort studyInternal medicineUrology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There are no consensus definitions for evaluating kidney function recovery after acute kidney injury (AKI) and acute kidney disease (AKD), nor is it clear how recovery varies across populations and clinical subsets. We present a federated analysis of four population-based cohorts from Canada, Denmark and Scotland, 2011-18. METHODS: We identified incident AKD defined by serum creatinine changes within 48 h, 7 days and 90 days based on KDIGO AKI and AKD criteria. Separately, we applied changes up to 365 days to address widely used e-alert implementations that extend beyond the KDIGO AKI and AKD timeframes. Kidney recovery was based on resolution of AKD and a subsequent creatinine measurement below 1.2× baseline. We evaluated transitions between non-recovery, recovery and death up to 1 year; within age, sex and comorbidity subgroups; between subset AKD definitions; and across cohorts. RESULTS: There were 464 868 incident cases, median age 67-75 years. At 1 year, results were consistent across cohorts, with pooled mortalities for creatinine changes within 48 h, 7 days, 90 days and 365 days (and 95% confidence interval) of 40% (34%-45%), 40% (34%-46%), 37% (31%-42%) and 22% (16%-29%) respectively, and non-recovery of kidney function of 19% (15%-23%), 30% (24%-35%), 25% (21%-29%) and 37% (30%-43%), respectively. Recovery by 14 and 90 days was frequently not sustained at 1 year. Older males and those with heart failure or cancer were more likely to die than to experience sustained non-recovery, whereas the converse was true for younger females and those with diabetes. CONCLUSION: Consistently across multiple cohorts, based on 1-year mortality and non-recovery, KDIGO AKD (up to 90 days) is at least prognostically similar to KDIGO AKI (7 days), and covers more people. Outcomes associated with AKD vary by age, sex and comorbidities such that older males are more likely to die, and younger females are less likely to recover.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,005
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,015
Tête enseignante GPT0,295
Écart entre enseignants0,280 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetAcute Kidney Injury ResearchTravaux en français237 207