Epidemiology of acute kidney injury in children: a report from the 26th Acute Disease Quality Initiative (ADQI) consensus conference
Notice bibliographique
Résumé
The nephrology and critical care communities have seen an increase in studies exploring acute kidney injury (AKI) epidemiology in children. As a result, we now know that AKI is highly prevalent in critically ill neonates, children, and young adults. Furthermore, children who develop AKI experience greater morbidity and higher mortality. Yet knowledge gaps still exist that suggest a more comprehensive understanding of AKI will form the foundation for future efforts designed to improve outcomes. In particular, the areas of community acquired AKI, AKI in non-critically ill children, and cohorts from low-middle income countries have not been well studied. Longer-term functional outcomes and patient-centric metrics including social determinants of health, quality of life, and healthcare utilization should be the foci of the next phase of scholarship. Current definitions identify AKI-based upon evidence of dysfunction which serves as a proxy for injury; biomarkers capable of identifying injury as it occurs are likely to more accurately define populations with AKI. Despite the strength of the association, the causal and mechanistic relationships between AKI and poorer outcomes remain inadequately examined. A more robust understanding of the relationship represents a potential to identify therapeutic targets. Once established, a more comprehensive understanding of AKI epidemiology in children will allow investigation of preventive, therapeutic, and quality improvement interventions more effectively.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».