Risk stratification framework to improve the utility of renal ultrasound in 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 (AKI) is common among hospitalised patients and can lead to significant morbidity or mortality if not properly managed. Renal ultrasound (RUS) is often requested in the initial workup of AKI to rule out obstructive uropathy despite pre-renal aetiologies being implicated in most cases, especially in patients without risk factors for obstruction. Objectives: Determine the utility of RUS in detecting bilateral hydronephrosis in the context of AKI, and identify risk factors that can be used to stratify patients to better guide patient management. Method: Adults who underwent RUS for AKI between January 2019 and December 2021 were reviewed. Renal ultrasound studies that identified bilateral hydronephrosis and the patient characteristics associated with these studies were recorded. Results: Seven hundred and fifty-eight RUS reports were included. Bilateral hydronephrosis was diagnosed in 43 patients (5.7%). Of these 43 patients, 39 (90.7%) had at least one risk factor for urinary tract obstruction. Bilateral hydronephrosis was only diagnosed in 4 (9.3%) patients without any risk factor for obstruction. The risk factors with the highest odds for being diagnosed with bilateral hydronephrosis included a history of previous ureteric stenting or nephrostomy tube insertion (OR 10.37), previous bilateral hydronephrosis (OR 14.56), or multiple risk factors (OR 23.06). Conclusion: Renal ultrasound has limited utility in the evaluation of AKI in low-risk patients. Contribution: These risk factors can be used to assign patients to high- or low-risk categories to better guide management and reduce the number of unnecessary studies performed while still identifying clinically significant disease.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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