Predictors of Bleeding Following Inpatient Percutaneous Kidney Biopsy
Notice bibliographique
Résumé
Background: Percutaneous diagnostic kidney biopsy is important in managing kidney disease, but less is known about predictors of bleeding following biopsy. The purpose of this study was to determine clinical risk factors for minor/major bleeding following percutaneous diagnostic kidney biopsy among admitted patients. Methods: We analyzed a cohort of all adults that received an in-patient diagnostic kidney biopsy at a tertiary care center from 2014-2019. Biopsies for the diagnosis of kidney tumors were excluded. Outcomes of interest were minor bleeding (any of hemoglobin drop >10 g/L within 24 hours post biopsy, macrohematuria, hematoma on ultrasound) and major bleeding (need for blood transfusion or surgical intervention post biopsy). Predictors of major bleeding were analyzed using logistic regression; those factors significantly associated with bleeding using a P<0.05 were included in a multivariable model and reported using odds ratios (OR) with 95% confidence intervals (CI). Results: Between 2014-2019, a total of 380 in-patient biopsies were performed. 221 (58.2%) of the patients were male, and mean age of the population was 57.3 ± 15.8 years. A minor bleed occurred in 131 (34.5%) of patients, and a major bleed occurred in 56 (14.7%) of patients. Risk factors for major bleeding are noted in Table 1. Factors significantly associated with major bleed included: creatinine 400-600 (OR. 7.46; 95%CI. 2.13-26.14); creatinine >600 or on dialysis (OR. 13.82; 95%CI. 4.04-47.25); structural heart disease (OR. 9.40; 95%CI. 1.33-66.47) and cerebrovascular disease (OR. 6.62; 95%CI. 1.47-29.78). Table 1. - Risk factors for major bleeding following kidney biopsy (adjusted model; N=325) Variable Odds ratio 95% Confidence interval Lab values Creatinine <200 umol/L Reference Reference 200-400 umol/L 2.95 0.87-9.92 400-600 umol/L 7.46 2.13-26.14 >600 13.82 4.04-47.25 White blood cell count <11.00 Reference Reference ≥11.00 1.89 0.86-4.14 Platelet count <150 uL Reference Reference ≥150 uL 0.57 0.26-1.29 Albumin (each 1 unit increase in g/L) 0.96 0.91-1.00 Comorbidities Anemia (Hemoglobin <100 g/L) 2.57 1.06-6.25 Active cancer 1.93 0.55-6.74 Chronic Obstructive Lung Disease 1.16 0.37-3.66 Structural heart disease 9.40 1.33-66.47 Cerebrovascular disease 6.62 1.47-29.78 Ace inhibitor use (at baseline) 0.66 0.29-1.52 Anticoagulant (at baseline)* 1.03 0.48-2.19 *Anticoagulants were discontinued prior to biopsy Conclusions: This study highlights risk factors associated with bleeding after inpatient percutaneous kidney biopsy which is of clinical importance for health care professionals. In future study we will derive and validate a risk prediction model for major and minor bleeding following biopsy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».