Accelerated biological aging and postoperative acute kidney injury in surgical patients: a retrospective multicenter cohort analysis of 94 006 cases
Notice bibliographique
Résumé
BACKGROUND: While aging is closely associated with increased risk of acute kidney injury (AKI), chronological age often fails to capture the heterogeneity in biological decline among individuals. In contrast, biological age emerges as a more accurate indicator of the aging process. However, the association between accelerated biological aging and postoperative AKI remains unexplored. Therefore, this study aimed to assess the association between accelerated biological aging and postoperative AKI. METHODS: We conducted a retrospective cohort study from 2015 to 2023 at three academic medical centers in China, including inpatients who underwent surgery under general anesthesia. Biological age was measured using Phenotypic Age (PhenoAge) approach. Biological aging was calculated by Phenotypic Age acceleration (PhenoAgeAccel). The primary endpoint was AKI within 7 days after surgery. Secondary endpoints included AKI stage 2 or 3 (AKI 2 +) and length of stay (LOS). RESULTS: Among 94,006 patients (median age 62 (51-71) years, 44.0% female), 37.7% were biologically older. The incidence of AKI was 1.62 per 100 person-days. After adjustment, accelerated biological aging was significantly associated with increased risk of AKI (adjusted hazard ratio (aHR) 1.50, 95% confidence interval (CI) 1.42-1.60), AKI 2 + (aHR 2.27, 95% CI 2.06-2.50), and prolonged LOS (adjusted coefficient 1.30, 95% CI 1.06-1.55). Dose-response relationship analyses revealed a monotonic non-linear positive association between PhenoAgeAccel and the risk of AKI. DISCUSSION: Accelerated biological aging may serve as an independent risk factor for postoperative AKI, AKI 2 +, and prolonged LOS, highlighting its potential as a target for preoperative risk stratification and intervention.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».