Hypernatremia: Epidemiology and Predictive Role in Emerging and Established Acute Kidney Injury
Notice bibliographique
Résumé
Hypernatremia (plasma sodium > 145 mmol/L) reflects impaired water balance, and affected patients can suffer from severe neurologic symptoms. Hyponatremia, on the other hand, is the most frequent electrolyte disorder in hospitals. It may be diagnosed in acute kidney injury (AKI), but hyponatremia prior to the diagnosis of AKI has also predictive or prognostic value in the short term. Aim of the article was to summarize data on both, epidemiology and outcomes of in-hospital acquired hypernatremia ("In-hospital acquired" refers to the diagnosis of either hypo- or hypernatremia in patients, who did not exhibit any of these electrolyte imbalances upon admission to the hospital). It also aimed to discuss its predictive role in patients with emerging or established AKI. Five databases were searched for references: PubMed, Medline, Google Scholar, Scopus, and Cochrane Library. Studies published between 2000 and 2023 were screened. The following keywords were used: "hypernatremia", "mortality", "pathophysiology", "acute kidney injury", "AKI", "risk prediction", "kidney replacement therapy", "KRT", "renal replacement therapy", "RRT", "hyponatremia", and "heart failure". A total of 16 studies were deemed eligible for inclusion. Among these, 13 studies had a retrospective design, two investigations were published as secondary analyses from prospective trial cohorts, and one study was prospective in nature. Out of the 16 studies, 11 focused on the epidemiology and outcomes of hypernatremia, while five investigations were related to AKI and/or AKI-associated endpoints. The prevalence of hypernatremia diagnosed during hospitalization varied from 1.9% to 6.8%, with one exception where it was 30.8%. All studies demonstrated associations between hypernatremia and mortality, even over extended periods after discharge. In AKI patients, hypernatremia shows potential for predicting in-hospital death. In conclusion, hypernatremic individuals are at higher risk of death during in-hospital therapy. Also, the electrolyte disorder potentially qualifies as a future biomarker for AKI onset and AKI-associated mortality.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».