Acute kidney injury in Staphylococcus aureus bacteraemia: a recurrent events analysis
Notice bibliographique
Résumé
OBJECTIVES: To estimate risk factors for acute kidney injury (AKI) and the effect of AKI on mortality in Staphylococcus aureus bacteraemia, while taking into account recurrent AKI episodes, competing risks, time-varying variables, and time-varying effects. METHODS: We performed an unplanned analysis using data from a multicentre cohort study of patients with Staphylococcus aureus bacteraemia (SAB). The primary outcome was cumulative incidence of AKI, according to Kidney Disease Improving Global Outcomes definitions. RESULTS: We included 453 patients in this study of whom 194 (43%) patients experienced one or more AKI episodes. Age (hazard ratio (HR) 1.013, 95% CI 1.001-1.024), Charlson comorbidity index (HR 1.07, 95% CI 1.01-1.14), prior chronic kidney disease (HR 1.76, 95% CI 1.28-2.42), septic shock (HR 3.28, 95% CI 2.31-4.66), persistent bacteraemia (HR 1.53, 95% CI 1.08-2.17), and vancomycin therapy (HR 1.80, 95% CI 1.05-3.09) were independently associated with AKI, but flucloxacillin, cefazolin, rifampicin, and aminoglycoside therapy were not. After adjustment for confounders and immortal time bias, AKI was associated with an increased risk of 90-day mortality (HR 4.26, 95% CI 2.91-6.23). DISCUSSION: The incidence of AKI in SAB is high and a substantial proportion of patients develop recurrent episodes of AKI after recovery. AKI is specifically linked to the use of vancomycin and not to anti-staphylococcal penicillins. The clinical outcome of patients with SAB complicated by AKI is worse than previously estimated.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».