Additional file 1 of Changing epidemiology of acute kidney injury in critically ill patients with COVID-19: a prospective cohort
Notice bibliographique
Résumé
Additional file 1: Figure S1: Number of patients admitted to ICU, patients with acute kidney injury, and patients who received kidney replacement therapy by month of admission. Figure S2: Proportions of patients with acute kidney injury and patients who received kidney replacement therapy by month of admission. Table S1: Baseline characteristics, laboratory biomarkers, treatment and outcomes by wave, AKI status and AKI staging. Table S2: Unadjusted associations between demographic characteristics and diagnosis of acute kidney injury for all patients and stratified by wave. Table S3: Indications for KRT between wave 1 and 2. Table S4: Adjusted associations between demographic characteristics and kidney replacement therapy for all patients and stratified by wave. Table S5: Comparison of daily cumulative fluid balance (%) by waves and sources of admission. Table S6: Unadjusted associations between COVID-19 treatments and AKI or KRT for all patients and stratified by wave. Table S7: Treatment and fluid balance for AKI or KRT patients only, stratified by day of diagnosis or KRT and wave of the pandemic. Table S8: Changes in serum creatinine and GFR values in alive patients from baseline, hospital discharge, and 90 days after hospital discharge Table S9: Associations between AKI, KRT and 24-hour cumulative fluid balance.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| 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) | 0,470 | 0,031 |
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 ».