Advances in the diagnosis and management of hepatorenal syndrome: insights into HRS-AKI and liver transplantation
Notice bibliographique
Résumé
In hepatorenal syndrome-acute kidney injury (HRS-AKI), accurate and early diagnosis is crucial. HRS is a severe condition seen in advanced cirrhosis, requiring prompt recognition and proper management to enhance patient outcomes. Diagnosis of HRS-AKI relies on serum creatinine elevations, similar to other AKI cases in cirrhosis. However, distinguishing HRS-AKI from other renal impairments in these patients can be challenging. Biomarkers and clinical criteria aid in diagnosis and guide treatment. The management of HRS-AKI initially involves improving the haemodynamic profile using albumin and vasoconstrictors like terlipressin, a synthetic vasopressin analogue. Despite some reports linking terlipressin to increased adverse events compared with norepinephrine, it remains the preferred choice in HRS-AKI and acute-on-chronic liver failure due to its faster, stronger response and improved survival. Additional therapies like midodrine (alpha-1 adrenergic agonist), octreotide (somatostatin analogue) and transjugular intrahepatic portosystemic shunt are proposed as adjuvant treatments for HRS-AKI, aiming to improve vasoconstriction and renal blood flow. However, these adjunctive therapies cannot replace the definitive treatment for HRS-AKI-liver transplantation (LT). In cases unresponsive to medical management, LT is the only option to restore liver function and improve renal outcomes. Current evidence favours combined liver and kidney transplantation (CLKT) in certain situations. This review aims to evaluate the present evidence and recommendations on AKI in patients with cirrhosis, the pathophysiology of HRS-AKI, different treatments and indications for LT and CLKT. Understanding the complexities of managing HRS-AKI is crucial for optimising patient care and achieving better outcomes in this challenging clinical setting.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».