Improving the performance of the Cleveland Clinic Score for predicting acute kidney injury after cardiac surgery: a prospective multicenter cohort study
Notice bibliographique
Résumé
BACKGROUND: Cardiac surgery-associated acute kidney injury (CSA-AKI) is associated with high short- and long-term mortality rates. The prediction of CSA-AKI is crucial for early detection and treatment. Current predictive models may be improved by potentially useful preoperative and intraoperative information. METHODS: This multicenter prospective cohort study recruited 261 consecutive patients at high risk for developing CSA-AKI, based on a Cleveland Clinical Score (CCS) of ≥4 points from July to December 2017 in 14 hospitals in Spain and the UK. Postoperative AKI occurred in 145 (55.5%) patients. The receiver operating characteristics curve (AUC) of a base model including only the CCS was compared with models including additional preoperative and intraoperative variables such as the estimated glomerular filtration rate (eGFR) instead of plasmatic creatinine, intraoperative urine output, baseline hemoglobin, nadir hemoglobin, and glycosylated hemoglobin (HbA<inf>1c</inf>) instead of diabetes mellitus. The performance of each model for AKI was compared. RESULTS: The CCS alone gave an AUC of 0.67 (95% CI, 0.56-0.78) for postoperative AKI. None of the single variables added to the base model CCS improve discrimination. The AUC for postoperative AKI was improved when baseline hemoglobin, eGFR instead of plasmatic creatinine, HbA<inf>1c</inf>, and nadir hemoglobin were added to the CCS (AUC=0.77; 95% CI, 0.67-0.87; P=0.02). CONCLUSIONS: The addition of baseline hemoglobin, eGFR, HbA<inf>1c</inf>, and nadir intraoperative hemoglobin may be useful for improving the discrimination of the clinical predictive risk scores for AKI.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».