Severe traumatic brain injury and acute kidney injury patients: factors associated with in-hospital mortality and unfavorable outcomes
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to identify the occurrence of AKI, and factors associated with in-hospital mortality and unfavorable outcomes in patients with severe traumatic brain injury (TBI) and acute kidney injury (AKI) severity. METHOD: A retrospective cohort study which analyzed data with severe TBI between 2013 and 2017. We examined demographic and clinical information, and outcome by in-hospital mortality, and the Glasgow Outcome Scale six months after TBI. We associated factors to in-hospital mortality and unfavorable outcome in severe TBI and AKI with an association test. RESULTS: A total of 219 patients were selected, 39.3% had an AKI, and several factors associated with AKI occurrence after severe TBI. Stage 2 or 3 of AKI (OR 12.489; 95% CI = 4.45-37.94) were independent risk for both outcomes in multivariable models, severity injury by the New Trauma Injury Severity Score (OR 0.97; 95% CI = 0.96-0.99) for mortality, and the New Injury Severity Score (OR1.07; 95% CI = 1.04-1.10) and Trauma and Injury Severity Score (OR = 0.98; 95% CI = 0.965-0.997) for unfavorable outcome. CONCLUSION: The findings of our study confirmed that AKI severity and severity of injury was also related to increased mortality and unfavorable outcome after severe TBI.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».