Imaging of Medical Patients with Acute Kidney Injury: Patterns of Ultrasound Use and the Role of Point-of-care Ultrasound at a Tertiary Care Center
Notice bibliographique
Résumé
BACKGROUND: The etiology of acute kidney injury (AKI) can be divided into pre-renal, renal, and post-renal causes. Ultrasound is the test of choice to identify post-renal AKI. While ultrasound is routinely used in the assessment of AKI, obstructive AKI is rare, leading to concerns of potential test overutilization. OBJECTIVE: Our primary aim is to describe patterns of use of imaging in patients admitted to hospital with AKI and to determine whether imaging patterns reflect risk of obstruction. Our secondary aim is to identify the role of point-of-care ultrasound (POCUS) when assessing patients with AKI. DESIGN: This is a retrospective cohort study. PARTICIPANTS: Patients admitted to internal medicine with AKI over a 12-month period at a large tertiary care academic center. MAIN MEASURES: Our outcome variables were radiology-performed ultrasound, computed tomography (CT), or point-of-care ultrasound (POCUS), presence or absence of hydronephrosis and urological intervention. KEY RESULTS: The proportion of patients with imaging was highest among those with a high-risk score and lowest in patients with a low-risk score (66.0% versus 52.2%). For radiology ultrasound specifically, the rate was 19.5% in low-risk patients and 17.7% in high-risk patients. The prevalence of hydronephrosis among patients at low, moderate and high risk for hydronephrosis was 7.1%, 8.5% and 19.7%, respectively and the rate of urological intervention was 1.4%, 1.2% and 3.8%, respectively. In moderate to high-risk patients, POCUS had a sensitivity of 86.7% and specificity of 90.0% for the identification of hydronephrosis. CONCLUSIONS: In our cohort, nearly 20% of radiology ultrasounds are ordered in patients with a low risk of obstructive uropathy, despite low rates of hydronephrosis and hydronephrosis requiring intervention in this group. With a sensitivity of 86.7% and specificity of 90.0% in patients at moderate to high risk of obstruction, POCUS may support clinical decision making in patients with 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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».