Clinical Characteristics and Outcomes of Drug-Induced Acute Kidney Injury Cases
Notice bibliographique
Résumé
Introduction: Drug-induced acute kidney injury (DI-AKI) is a frequent adverse event. The identification of DI-AKI is challenged by competing etiologies, clinical heterogeneity among patients, and a lack of accurate diagnostic tools. Our research aims to describe the clinical characteristics and predictive variables of DI-AKI. Methods: We analyzed data from the Drug-Induced Renal Injury Consortium (DIRECT) study (NCT02159209), an international, multicenter, observational cohort study of enriched clinically adjudicated DI-AKI cases. Cases met the primary inclusion criteria if the patient was exposed to at least 1 nephrotoxic drug for a minimum of 24 hours prior to AKI onset. Cases were clinically adjudicated, and inter-rater reliability (IRR) was measured using Krippendorff's alpha. Variables associated with DI-AKI were identified using L1 regularized multivariable logistic regression. Model performance was assessed using the area under the receiver operating characteristic curve (ROC AUC). Results: A total of 314 AKI cases met the eligibility criteria for this analysis, and 271 (86%) cases were adjudicated as DI-AKI. The majority of the AKI cases were recruited from the United States (68%). The most frequent causal nephrotoxic drugs were vancomycin (48.7%), nonsteroidal antiinflammatory drugs (18.2%), and piperacillin/tazobactam (17.8%). The IRR for DI-AKI adjudication was 0.309. The multivariable model identified age, vascular capacity, hyperglycemia, infections, pyuria, serum creatinine (SCr) trends, and contrast media as significant predictors of DI-AKI with good performance (ROC AUC 0.86). Conclusion: The identification of DI-AKI is challenging even with comprehensive adjudication by experienced nephrologists. Our analysis identified key clinical characteristics and outcomes of DI-AKI compared to other AKI etiologies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».