Effect of Acute Kidney Injury on In-hospital Mortality in Non-critical Medical Patients in a Sub-Saharan African Country
Notice bibliographique
Résumé
ABSTRACT Background AKI is a major global public health problem that affects millions of people each year and has been linked to poor prognosis in critically ill patients. As being a common complication in hospitalized patients, understanding its effect on non-critical patients is equally crucial, but there is a paucity of knowledge in this area, particularly in Africa. Therefore, the aim of this study was to assess the effect of AKI on in-hospital morality in non-critical medical patients admitted to a large tertiary hospital in Ethiopia. Methods A retrospective cohort study of 319 non-critical medical patients (113 with AKI and 206 without AKI) admitted between July 2019 and January 2022 was conducted. The in-hospital mortality rate was estimated using incidence density with a 95% CI. The two groups’ comparability was assessed using chi-square and Fisher’s exact tests. The effect of AKI on in-hospital mortality was analyzed using a log binomial regression model with a p-value of ≤ 0.05 determining a significant effect, and the effect was measured using adjusted relative risk (ARR) and its 95% CI. Results The in-hospital mortality rate was 6.8 per 1000 person-days of observation (95% CI=4.9-9.4). AKI did not show a significant effect on in-hospital mortality (ARR = 0.72, 95% CI=0.30-1.71, p=0.450). On the other hand, sepsis was found to be a significant predictor, with over a threefold increase in risk of in-hospital mortality (ARR=3.47, 95% CI=1.60-7.52, p=0.002). Conclusion With early detection and proper management, non-critical patients with AKI can have a similar prognosis as those without AKI, unlike the critical setting. However, sepsis was found to be a significant predictor of in-hospital mortality implying the need to pay special attention to the management of these cases.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».