开发V-AKI评估框架
建立一致的V-AKI事件评估标准,包括AKI定义、时间窗和因果分类。
基于KDIGO标准定义AKI(sCr升高≥0.3 mg/dL在48小时内或基线sCr升高≥50%在7天内),并采用改良的Liverpool ADR CAT工具进行因果关系分类。
An Electronic Algorithm to Identify Vancomycin-Associated Acute Kidney Injury
研究包含算法开发(494例)和验证(200例)两个独立阶段,以专家图表审查为参考标准,评估了敏感性和特异性,并计算了kappa系数。
住院患者(成人和儿童) 电子健康记录(EHR)数据队列
算法开发基于494例病历,验证基于200例病历 以图表审查作为参考标准,计算敏感性、特异性和kappa系数 V-AKI定义:sCr升高≥0.3 mg/dL(48小时内)或基线sCr升高≥50%(7天内) 排除标准:ESRD、近期RRT、<1月龄、万古霉素疗程<48小时
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立一致的V-AKI事件评估标准,包括AKI定义、时间窗和因果分类。
基于KDIGO标准定义AKI(sCr升高≥0.3 mg/dL在48小时内或基线sCr升高≥50%在7天内),并采用改良的Liverpool ADR CAT工具进行因果关系分类。
基于框架开发规则式电子算法,使其能够自动识别V-AKI事件。
随机选择494份病历进行手动审查,基于审查结果开发算法,并通过迭代调整直至与手动审查实质性一致。
评估电子算法与图表审查的一致性及检测性能。
随机选择200例患者进行验证,与电子算法评估结果进行比较,计算百分比一致性、kappa系数、敏感性和特异性。
使用经过验证的电子算法评估住院患者中V-AKI的发生率和发生密度。
对符合评估条件的8963名患者的11073个疗程应用电子算法,计算至少可能V-AKI事件的发生率和发生密度。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据提取 | Epic系统 | -- | -- |
| Microsoft SQL Server Management Studio 18 | Microsoft Corporation | -- | |
| 数据分析 | STATA 17.0版 | StataCorp | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究设计与人群 | 研究为回顾性队列,纳入2018年1月至2019年12月在约翰霍普金斯卫生系统5家医院接受至少1剂静脉万古霉素的成人和儿童。 阅读提示:Methods - Study Setting and Population |
| 数据提取 | 临床数据从EHR系统(Epic Systems)中提取,使用Microsoft SQL Server Management Studio 18。 阅读提示:Methods - Data Collection |
| V-AKI定义 | AKI定义为sCr升高≥0.3 mg/dL(48小时内)或基线sCr升高≥50%(7天内);基线sCr定义为万古霉素开始前一年内sCr中位数。 阅读提示:Methods - Vancomycin-Associated Acute Kidney Injury Assessment Framework |
| 算法开发与验证 | 开发队列494例,验证队列200例;以图表审查为参考标准,计算一致性、kappa、敏感性和特异性。 阅读提示:Methods - Development of the Electronic Algorithm, Validation of the Electronic Algorithm |