Hospital-Acquired Acute Kidney Injury in Non-critical Medical Patients in a Developing Country Tertiary Hospital: Incidence and Predictors
Notice bibliographique
Résumé
ABSTRACT Background Acute kidney injury (AKI) is a frequent complication in critical patients leading to worse prognosis. Although the consequences of AKI are worse among critical patients, AKI is also associated with less favorable outcomes in non-critical patients. Hence, understanding the magnitude of the problem in these patients is crucial, yet there is a scarcity of evidence in non-critical settings, especially in resource limited countries. Hence, the study aimed at determining the incidence and predictors of hospital acquired acute kidney injury (HAAKI) in non-critical medical patients who were admitted at a large tertiary hospital in Ethiopia. Methods A retrospective chart review study was conducted among 232 hospitalized non-critical medical patients admitted to St. Paul’s Hospital Millennium Medical College between January 2020 and January 2022. Data was characterized using frequency and median with interquartile range. To identify predictors of HAAKI, a log binomial regression model was fitted at a p value of ≤ 0.05. The magnitude of association was measured using adjusted relative risk (ARR) with its 95% CI. Results During the median follow-up duration of 11 days (IQR, 6-19 days), the incidence of HAAKI was estimated to be 6.0 per 100 person-day observation (95% CI= 5.5 to 7.2). Significant predictors of HAAKI were found to be having type 2 diabetes mellitus (ARR=2.36, 95% CI= 1.03, 5.39, p-value=0.042), and taking vancomycin (ARR=3.04, 95% CI= 1.38, 6.72, p-value=0.006) and proton pump inhibitors (ARR=3.80, 95% CI = 1.34,10.82, p-value=0.012). Conclusions HAAKI is a common complication in hospitalized non-critical medical patients, and is associated with a common medical condition and commonly prescribed medications. Therefore, it is important to remain vigilant in the prevention and timely identification of these cases and to establish a system of rational prescribing habits.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».