MétaCan
Menu
Retour à la cohorte
Enregistrement W4391991401 · doi:10.1097/aln.0000000000004957

Candidate Kidney Protective Strategies for Patients Undergoing Major Abdominal Surgery: A Secondary Analysis of the RELIEF Trial Cohort

2024· article· en· W4391991401 sur OpenAlexaff
David R. McIlroy, Xiaoke Feng, Matthew S. Shotwell, Sophie Wallace, Rinaldo Bellomo, Amit X. Garg, Kate Leslie, Philip J. Peyton, David Story, Paul S. Myles

Notice bibliographique

RevueAnesthesiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineCohortAbdominal surgeryCohort studySurgeryGeneral surgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Acute kidney injury (AKI) is common after major abdominal surgery. Selection of candidate kidney protective strategies for testing in large trials should be based on robust preliminary evidence. METHODS: A secondary analysis of the Restrictive versus Liberal Fluid Therapy in Major Abdominal Surgery (RELIEF) trial was conducted in adult patients undergoing major abdominal surgery and randomly assigned to a restrictive or liberal perioperative fluid regimen. The primary outcome was maximum AKI stage before hospital discharge. Two multivariable ordinal regression models were developed to test the primary hypothesis that modifiable risk factors associated with increased maximum stage of postoperative AKI could be identified. Each model used a separate approach to variable selection to assess the sensitivity of the findings to modeling approach. For model 1, variable selection was informed by investigator opinion; for model 2, the Least Absolute Shrinkage and Selection Operator (LASSO) technique was used to develop a data-driven model from available variables. RESULTS: Of 2,444 patients analyzed, stage 1, 2, and 3 AKI occurred in 223 (9.1%), 59 (2.4%), and 36 (1.5%) patients, respectively. In multivariable modeling by model 1, administration of a nonsteroidal anti-inflammatory drug or cyclooxygenase-2 inhibitor, intraoperatively only (odds ratio, 1.77 [99% CI, 1.11 to 2.82]), and preoperative day-of-surgery administration of an angiotensin-converting enzyme inhibitor or angiotensin receptor blocker compared to no regular use (odds ratio, 1.84 [99% CI, 1.15 to 2.94]) were associated with increased odds for greater maximum stage AKI. These results were unchanged in model 2, with the additional finding of an inverse association between nadir hemoglobin concentration on postoperative day 1 and greater maximum stage AKI. CONCLUSIONS: Avoiding intraoperative nonsteroidal anti-inflammatory drugs or cyclooxygenase-2 inhibitors is a potential strategy to mitigate the risk for postoperative AKI. The findings strengthen the rationale for a clinical trial comprehensively testing the risk-benefit ratio of these drugs in the perioperative period.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,308
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesiologyMême sujetAcute Kidney Injury ResearchTravaux en français237 207