Long-Term Follow-Up of Kidney Function after Acute Liver Failure or Acute Liver Injury: A Cohort Study
Notice bibliographique
Résumé
Introduction: Acute liver failure (ALF) is a rare disease with high mortality. Acute kidney injury (AKI) following ALF is frequent. We assessed AKI impact on long-term kidney function among ALF survivors. Methods: Observational cohort study including consecutive adult (age ≥16 years) patients with ALF or acute liver injury (ALI) admitted to a Portuguese tertiary center intensive care unit (ICU) between October 2013 and February 2020. KDIGO criteria were used to define AKI and chronic kidney disease (CKD). Primary outcome was the estimated glomerular filtration rate (eGFR), defined by the Chronic Kidney Disease Epidemiology Collaboration formula, at least 1 year after index ICU admission. Results: Among 104 patients with ALF (n = 74) or ALI (n = 30), mean (SD) age was 43.7 (18.0) years, and 44 were male. Among all patients (n = 104), following adjustment for age and SOFA score, AKI during the first 7 ICU days (n AKI = 57 and n renal replacement therapy [RRT] = 32) was independently associated with all-cause mortality (adjusted HR [95% CI] 11.61 [1.49–90.34]; p = 0.019). Among hospital survivors with long-term kidney function available (n = 56), median (interquartile range) >1 year eGFR was 95.3 (75.0–107.7) mL/min/1.73 m2 (mean [SD] follow-up of 3.1 [1.6] years). Among these hospital survivors, following adjustment for baseline eGFR, AKI during the first 7 ICU days (n AKI = 19 and n RRT = 10) was not associated with >1 year eGFR (p = 0.15). At least 1 year after index ICU admission, 5 patients developed CKD, none RRT-dependent. Conclusions: Among ALF or ALI survivors, AKI was not associated with significant long-term loss of kidney function.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,004 | 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 ».