Risk Factors and Outcomes of Acute Kidney Injury After Cardiac Surgery: A Retrospective Observational Single-Center Study
Notice bibliographique
Résumé
Background: Acute kidney injury (AKI) following cardiac surgery is a well-described phenomenon, usually associated with hemodynamic changes ultimately leading to ischemic injury to the kidneys. In this study, we assessed the occurrence of AKI in a cohort of patients undergoing elective cardiac surgery at a single center. Methods: Patients undergoing elective cardiac surgery (coronary artery bypass grafting (CABG) and/or valve repair) between the years 2016 and 2022 were retrospectively included in the study. Results: During the study, 167 patients underwent CABG, valve replacement, or both procedures. The majority were male (85.0%). Post-operative AKI was observed in 27.5% of patients, with 2.4% requiring continuous renal replacement therapy (CRRT)/dialysis. The majority of AKI cases were staged as Kidney Disease: Improving Global Outcomes (KDIGO) stage 1. Among patients needing CRRT/dialysis, 1.8% recovered renal function within 3 months, with 0.6% experiencing 30-day mortality. In univariate analysis, factors associated with AKI included older age (P = 0.003), severe anemia (P < 0.0001), pre-operative creatinine elevation (P < 0.0001), complex surgeries (P < 0.0001), blood product transfusion (P < 0.0001), longer cross-clamp (XC) and cardiopulmonary bypass (CPB) times (P < 0.0001), and inotropes usage (P < 0.0001). Classical risk factors like diabetes mellitus (DM) and hypertension did not show significant differences. The majority of these factors (severe anemia, age, pre-operative creatinine, post-operative inotrope usage, and cross-clamp times) were consistently significant (P < 0.05) in logistic regression analysis. Conclusion: Post-operative AKI following cardiac surgery is frequent, with significant associations seen especially with pre-operative anemia. Future investigations focusing on the specific causes of anemia linked to AKI development are essential, considering the high prevalence of hemoglobinopathy traits in our population.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».