Novel biomarkers for predicting successful liberation of renal replacement therapy for acute kidney injury: a systematic review
Notice bibliographique
Résumé
Renal replacement therapy (RRT) is commonly used in critically ill patients with acute kidney injury (AKI). However, optimal timing of RRT liberation remains controversy. This meta-analysis evaluates novel biomarkers to predict successful RRT liberation in critically ill AKI patients. The systematic review reported following PRISMA guidelines, PubMed, Embase, and Scopus were searched up to May 2, 2025, and were screened using predefined criteria. Methodological quality was assessed using the Newcastle–Ottawa scale. Pooled ROC-AUCs with 95% CIs were calculated; heterogeneity was evaluated using I 2 statistics. Sixteen studies (3020 patients) involving 23 biomarkers were included. Urinary neutrophil gelatinase-associated lipocalin (uNGAL) demonstrated fair predictive performance with 4 studies (AUC 0.766, I 2 = 39.8%). When excluding a study focused on long-term outcomes, the result showed a better predictive ability with low heterogeneity (AUC 0.801, I 2 = 0%). Plasma proenkephalin A (PENK) and serum NGAL also showed potential, but quantitative synthesis was limited by study number and heterogeneity. The cut-off value also varied widely, complicating clinical translation. In addition, multivariable models combining novel biomarkers with clinical indicators have also demonstrated promising predictive potential. However, due to the limited number of studies and inconsistent conclusions, further exploration is needed. uNGAL moderately predicts short-term RRT liberation, while other biomarkers (e.g., PENK) require further validation. Standardizing definitions of successful liberation and integrating dynamic biomarker changed with clinical indicators (e.g., urine output) may enhance predictive accuracy. Further large-scale, prospective, and multicenter studies are needed to validate these findings.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,019 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».