MétaCan
Menu
Retour à la cohorte
Enregistrement W4401228982 · doi:10.25259/ijn_79_2024

Diagnosis (by p-RIFLE and KDIGO) and Risk Factors of Acute Kidney Injury in Pediatric Diabetic Ketoacidosis: A Retrospective Study

2024· article· en· W4401228982 sur OpenAlexfundno aff
Siddarajaiah Likhitha, Ramachandran Rameshkumar, Tamil Selvan

Notice bibliographique

RevueIndian Journal of Nephrology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésMedicineRifleDiabetic ketoacidosisAcute kidney injuryRetrospective cohort studyDiabetes mellitusKetoacidosisIntensive care medicinePediatricsInternal medicineEndocrinologyType 1 diabetes

Résumé

récupéré en direct d'OpenAlex

Background: There are two criteria to diagnose and stage acute kidney injury (AKI) in children: pediatric-Risk, Injury, Failure, Loss (p-RIFLE) and Kidney Disease Improving Global Outcomes (KDIGO). This study aims to find out the extent of agreement in diagnosis (by p-RIFLE and KDIGO) and risk factors of AKI in pediatric diabetic ketoacidosis (DKA). Materials and Methods: A retrospective cohort study involving children aged ≤15 years with DKA was conducted between January 2014 and December 2022. Those with inborn errors of metabolism, septic shock, and urinary tract disease were excluded. The primary outcome was the extent of agreement in diagnosis of AKI by p-RIFLE and KDIGO. The secondary outcomes were staging agreement, risk factors, complications (hypoglycemia, hypokalemia, and cerebral edema), time to resolution of DKA, and hospital and pediatric intensive care units (PICU) stay. Results: Data from 161 patients were collected. Mean (SD) age was 8.6 (3.7) years. Good agreement between p-RIFLE and KDIGO criteria for diagnosis of AKI was noted at admission (Kappa = 0.71, p ≤ 0.001), at 24 hours (Kappa = 0.73, p ≤ 0.001) and discharge (Kappa = 0.60, p ≤ 0.001), and for the staging of AKI at admission (Kappa = 0.81, p ≤ 0.001) at 24 hours (Kappa = 0.75, p ≤ 0.001) and discharge (Kappa = 0.48, p ≤ 0.001). On multivariate analysis, age (≤5 years: aOR = 3.03, 95% CI 1.04-8.79) is an independent risk factor for AKI at discharge by KDIGO. Cerebral edema (n = 6, 3.7%), hypoglycemia (n = 66, 41%), and hypokalemia (n = 59, 36.6%) were noted. Resolution and stay in PICU and hospitals were longer for patients with AKI. Conclusion: p-RIFLE and KDIGO criteria showed good agreement in diagnosis and staging of AKI in pediatric DKA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,227
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of NephrologyMême sujetDiabetes and associated disordersTravaux en français237 207