Prediction of Acute Kidney Injury After Cardiac Surgery With Combined Arterial and Venous Intrarenal Doppler
Notice bibliographique
Résumé
Background: Acute kidney injury (AKI) occurs in up to 50% of cardiac surgical patients and is often hemodynamically mediated. Point-of-care ultrasound is a non-invasive tool that has the potential to characterize intrarenal hemodynamics and predict the risk of AKI. Objectives: We aimed to determine the predictive characteristics of intrarenal arterial and venous Doppler markers for postoperative AKI in cardiac surgical patients. Design: This study is the secondary analysis of a prospective cohort study. Setting: This study is carried out in a care academic cardiac surgical center in Montreal, Quebec, Canada. Patients: Adult patients undergoing cardiac surgery with the use of cardiopulmonary bypass. Measurements: Point-of-care ultrasound assessments were performed preoperatively and at intensive care unit admission. Arterial measurements included the renal resistive index (RRI) and intrarenal artery velocity-time integral normalized to peak systolic velocity (VTI/PSV). Venous measurements included intrarenal venous flow (IRVF) pattern and renal venous stasis index (RVSI). Methods: We used area under the receiving operating characteristic curves (AUCs) with net reclassification index (NRI) and multivariable logistic regression to determine predictive characteristics for postoperative AKI. Furthermore, we used hierarchical clustering to identify potential groups with similar Doppler parameters and performed comparisons of patients' characteristics and outcomes between groups. Results: We included 136 patients with 47 (34.6%) developing postoperative AKI. At intensive care unit admission, arterial indices showed similar discrimination for the prediction of AKI (RRI: AUC = 0.64; 95% confidence interval (CI) = 0.55 to 0.74; and VTI/PSV: AUC = 0.67; 95% CI = 0.57 to 0.77). Venous Doppler indices including IRVF patterns (AUC = 0.64; 95% CI = 0.53 to 0.74) and RVSI (AUC = 0.60; 95% CI = 0.50 to 0.71) also showed similar performance. The combined model of RRI and IRVF pattern (AUC = 0.69; 95% CI = 0.59 to 0.78) improved the prediction of AKI compared to either RRI (NRI = 0.50; 95% CI = 0.17 to 0.84) or IRVF pattern (NRI = 0.38; 95% CI = 0.04 to 0.70) alone. Through hierarchical clustering, we identified 3 groups (1: low RRI, 2: high RRI/low RVSI, and 3: high RRI/high RVSI) with different patient characteristics and outcomes. The patient in group 3 had a higher risk of AKI and worse clinical outcomes compared with other groups. Limitations: Single-center design in cardiac surgical patients limits generalizability. Conclusions: Although more complex indices of intrarenal Doppler indices including the VTI/PSV and RVSI did not improve prediction of postoperative AKI, combining RRI and IRVF pattern improved risk prediction for AKI. Intrarenal arteriovenous Doppler subphenotypes identified patient groups at high risk of postoperative AKI.
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 | 0,004 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».