Test characteristics of point-of-care ultrasonography in patients with acute kidney injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury is a common disorder that is associated with significant morbidity and mortality. Point-of-care ultrasonography (PoCUS) is an imaging modality performed at the bedside and is used to assess for obstructive causes of acute kidney injury. Little is known about the test characteristics of PoCUS in patients with acute kidney injury. OBJECTIVE: Our primary objective was to describe the test characteristics of PoCUS for the detection of hydronephrosis in patients presenting with acute kidney injury at our centre. Our secondary objective was to describe the current rate of use of PoCUS for this indication. RESULTS: In total, 7873 patients were identified between June 1, 2019 and April 30, 2021, with 4611 meeting inclusion criteria. Of these, 94 patients (2%) underwent PoCUS, and 65 patients underwent both PoCUS and reference standard, for a total of 124 kidneys included in our diagnostic accuracy analysis. The prevalence of hydronephrosis in our cohort was 33% (95% CI 25-41%). PoCUS had a sensitivity of 85% (95% CI 71-94%) and specificity of 78% (95% CI 68-87%) for the detection of hydronephrosis. CONCLUSION: We describe the test characteristics of PoCUS for the detection of hydronephrosis in a cohort of patients with acute kidney injury. The low uptake of this test presents an opportunity for quality improvement work to increase its use for this indication.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 découle