Establishment and Diagnostic Value of an Early Prediction Model for Acute Pancreatitis Complicated 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
OBJECTIVES: To establish an early prediction model for acute pancreatitis (AP) complicated with acute kidney injury (AKI) and evaluate its diagnostic value. METHOD: AP patients were recruited from the Emergency Department at Peking University People's Hospital in 2021 and stratified into AKI and control (no AKI) groups. Their clinical data were analyzed. The risk for AKI development was determined using logistic analyses to establish a risk prediction model, whose diagnostic value was analyzed using a receiver operating characteristic curve. RESULTS: There was no significant difference in the basic renal function between the AKI (n = 79) and control (n = 179) groups. The increased triglyceride glucose index (odds ratio [OR], 2.613; 95% confidence interval [CI], 1.324-5.158; P = 0.006), age (OR, 1.076; 95% CI, 1.016-1.140; P = 0.013), and procalcitonin (OR, 1.377; 95% CI, 1.096-1.730, P = 0.006) were associated with AKI development. A model was established for prediction of AKI (sensitivity 79.75%, specificity 96.65%). The area under the receiver operating characteristic curve was 0.856 which was superior to the Ranson, Bedside Index for Severity in AP, and Acute Physiology and Chronic Health Evaluation II scores (0.856 vs 0.691 vs 0.745 vs 0.705). CONCLUSIONS: The prediction model based on age, triglyceride glucose, and procalcitonin is valuable for the prediction of AP-related 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle