دانلود ترجمه مقاله میزان مرگ، هزینه و درمان آسیب حاد کلیوی در بیماران بستری شده – نشریه NCBI

فهرست مطالب:

 چکیده
مقدمه
مواد و روش ها
تنظیمات مطالعه
تجزیه و تحلیل آماری
نتایج
مرگ ومیر
LOS
هزینه
بحث و گفتگو
تشکر و قدردانی

بخشی از ترجمه:

در این مطالعه، اگر چه ارتباط با تغییرات نسبتا بزرگ در SCR (به عنوان مثال، ≥۲٫۰ mg / dl) قابل توجه ترین بودند، تغییرات بزرگ در SCR نسبتا نادر بودند . در مقابل،بیش از ۳۰ درصد از بیماران مبتلا به دو یا چند تعیین SCR را تجربه کرده بودند که یک افزایش در SCR 0.3 تا ۰٫۴ mg / dl بود . این افراد یک افزایش ۷۰٪ در خطر مرگ نسبت به بیماران با تغییر کمی و یا بدون تغییر در SCR را تجربه کردند.
از آنجا که AKI تعریف یکنواخت ندارد (و در نتیجه، هیچ برآورد دقیقی از بروز را ندارد)، ما قبلا اطلاعات کمی که در آن به بررسی بهداشت عمومی و یا تاثیر مالی نسبت به سایر شرایط جدی AKI پرداخته بود را داشتیم . اگر چه ما افزایش قابل توجهی در هزینه های مرتبط با AKI در درمان-B آمفوتریسین فردی را برآورد کردیم (حدود ۳۰،۰۰۰ دلار در هر قسمت)، این تجزیه و تحلیل یک سناریو بالینی شدید و اعمال یک تعریف واحد دلخواه AKI را در نظر گرفته بود (۵۰٪ افزایش در SCR به حداقل ۲٫۰ از mg / dl) (11). در مقابل، جمعیت گسترده ای که در مطالعه ما مورد بررسی قرار گرفت اجازه می دهد تا بار AKI را برآورد کند.کل هزینه های بیمارستان سالانه برای ۹۲۰۵ نفر با دو یا چند تعیین SCR حدود ۱۴۸،۱۵۰،۰۰۰ $، $ ۱۳،۱۶۷،۰۰۰ (۹٪) که با استفاده از ۰٫۵ ≤میلی گرم / دسی لیتر تغییر در تعریف SCR به AKI نسبت داده شد.
این امر حدود ۵٪ از هزینه های کلی بیمارستان در هنگام در نظر گرفتن تمامی بستری ها، از جمله افراد با صفر یا یک تعیین SCR نشان می دهد. مرکز ملی آمار سلامت ۱۲۲ ترخیص بیمارستانی به ازای هر ۱۰۰۰ نفر غیر نهادینه شده در ایالات متحده در سال ۲۰۰۱ را تخمین زد (http://www.cdc.gov/nchs)، با حدود ۳۴۰۰۰۰۰۰ پذیرش در سال. اگر ما برای تخمین محافظه کارانه بروز AKI بیمارستان در سطح ۵٪ به دست آوریم و هزینه های به طور متوسط ۲۰ درصد کمتر از کسانی که در اینجا مشاهده کردیم در نظر بگیریم ، سپس برآورد هزینه های مراقبت های بهداشتی سالانه که منتسب به بیمارستان است را به دست آوریم AKI از ۱۰ بیلیون $ تجاوز خواهد کرد.
این مطالعه چند نقاط قوت دارد. یافته های افزایش مرگ و میر، LOS، و هزینه های در سراسر سن، جنس، CKD و غیر CKD، و مقوله های گروه ICD-9-CM قوی بودند. آزمایشگاه تکی مورد استفاده قرار گرفت برای محدود کردن خطا درون آزمایشگاهی و طبقه بندی نادرست. این مطالعه همچنین دارای محدودیت های مختلف مهم است. ابتدا ، روش برآورد پایه و اوج SCR ممکن است نسبت بیمارانی که با AKI طبقه بندی شدند دست بالا باشند . با این حال، چنین طبقه بندی نادرستی می بایست مبتنی بر انجمن های AKI ، مرگ و میر، LOS مغرضانه، و هزینه های به سمت صفر باشد بنابراین برآورد اثر ارائه شده در اینجا ممکن است محافظه کارانه باشد. دوم، ما متغیرهای کمکی نسبتا کمی در دسترس داریم.
با این وجود، متغیرهای کمکی که در تجزیه و تحلیل (وزن DRG و کد ICD- 9-CM) به کار گرفته شد به طور معمول از تعدیل کننده ریسک که بخش بزرگی از واریانس توضیح داده شده است را استفاده می کنند. آیا عوارض جانبی را می توان به طور مستقیم به AKI نسبت داد یا مخدوش کننده باقی مانده توسط شدت بیماری ناشناخته است. اگر چه مخدوش کننده باقی مانده می تواند مقدار برآورد خطر را کاهش دهد ، متغیرهای کمکی اضافی برای خاموش کردن OR در محدوده ۵ تا ۱۰ بسیار بعید خواهد بود. چهارم، ما هیچ داده ای در فیزیولوژی AKI نداریم و از پروکسی ها برای تلاش در تشخیص prerenal از علل دیگر از AKI استفاده می کنیم. در مطالعات آینده، ما می توانیم prerenal را در مقابل طبقه بندی های دیگر با داده های فیزیولوژیک اضافی اصلاح کنیم (به عنوان مثال، BP، حجم ادرار، دفع کسری سدیم).
پنجم، محاسبات بیوشیمیایی که حساسیت بیشتری نسبت به تغییر در GFR (16) و یا روش های تصویربرداری نوین دارد (۱۷) ممکن است نشانگر موثر تری از AKI زودرس اثبات شود. در نهایت، به خاطر اینکه داده ها در یک بیمارستان مراقبت سطح سوم شهری به دست آمد، نتایج ممکن است به طور کامل به بیماران بستری در بیمارستانهای جهان تعمیم داده نشود.
به طور خلاصه، AKI با افزایش قابل توجهی مرگ و میر، LOS، و هزینه ها در سراسر طیف وسیعی از شرایط همراه است. علاوه بر این، نتایج به طور مستقیم به شدت AKI، چه توسط تغییرات اسمی یا درصد در کراتینین سرم مشخص ، مربوط می شود. اگر چه برای پزشکان شدت نیاز دیالیز AKI واضح نیست ، نیاز غیر دیالیز به AKI ممکن است از اهمیت مساوی یا بزرگتر از دیدگاه سلامت عمومی باشد. پیشگیری و درمان موثر به عنوان دست آورد AKI بیمارستان باید یک اولویت ملی باشد.
تشکر و قدردانی
این مطالعه به صورت انتزاعی در سال ۲۰۰۳ در آمریکا ارائه شد . انجمن نشست های نفرولوژی. نوامبر ۲۰۰۳٫ سن دیگو، کالیفرنیا.

بخشی از مقاله انگلیسی:

Acute kidney injury (AKI) has been reported in 5 to 7% of hospitalized patients on the basis of several singlecenter reports (1,2). Despite the perception that AKI is relatively common, there is no uniform definition for AKI, and relatively few data regarding its incidence in hospitalized patients are available. Moreover, the relative effects of AKI on mortality, hospital length of stay (LOS), and costs have not been well described. Most studies that have explored downstream effects of AKI have either considered AKI requiring dialysis or homogenous patient populations, such as those who were exposed to radiocontrast agents or undergoing cardiothoracic surgery. In the context of a computer-based intervention in which data were collected on kidney function, severity of illness, drug prescription, and outcomes in hospitalized patients (3), we linked changes in serum creatinine (SCr) with in-hospital mortality, LOS, and costs. We hypothesized that relatively small changes in SCr would be common and associated with adverse outcomes, even after adjustment for severity of disease. Materials and Methods Study Setting The study was conducted at Brigham and Women’s Hospital, a 720-bed urban academic medical center in Boston, MA. Data were obtained for a study to examine the effects of a computer-order entrybased decision tool on drug prescribing for hospitalized patients with impaired kidney function (3). As part of the data library collected for evaluation of the appropriateness of drug prescription, serial SCr determinations were collected on a consecutive series of hospitalized patients on the medical, surgical (including subspecialty surgical services), neurology, and obstetrics and gynecology services between September 1997 and April 1998. There were 19,982 admissions in which at least one SCr was obtained. For 9210 (46%) admissions, SCr was determined two or more times. Five (0.05%) admissions were excluded because vital status was unknown at discharge. The number of SCr determinations ranged from two to 92. Description of Data Routinely available demographic factors, specific drug prescriptions, Center for Medicare and Medicaid Services diagnosis-related group (DRG) weights (a proxy for disease severity [4]), LOS, hospital charges, itemized costs, and vital status at hospital discharge were also collected. For the purpose of these analyses, we additionally obtained primary International Classification of Diseases, Ninth Revision, Clinical Modification (ICD-9-CM) codes for each hospitalization. We categorized the ICD-9-CM codes according to conventional methods. For risk adjustment, we grouped diagnoses into “diseases of the circulatory system,” “diseases of the respiratory system,” “diseases of the gastroinReceived September 8, 2004. Accepted July 27, 2005. Published online ahead of print. Publication date available at www.jasn.org. Address correspondence to: Dr. Glenn M. Chertow, University of California San Francisco, Department of Medicine Research, UCSF Laurel Heights, Suite 430, 3333 California Street, San Francisco, CA 94118-1211. Phone: 415-476-2173; Fax: 415-476-9531; E-mail: chertowg@medicine.ucsf.edu Copyright © ۲۰۰۵ by the American Society of Nephrology ISSN: 1046-6673/1611-3365 testinal system,” “infectious diseases,” “neoplasms,” and all others, with the last group as the referent category. We considered people whose gender-stratified admission SCr was above the 90th percentile as “chronic kidney disease (CKD),” except when the admission ICD-9-CM code was 580, 584, or 788, potentially indicating community-acquired AKI. The CKD designation included men with SCr
۱٫۶ mg/dl and women with SCr
۱٫۴ mg/dl. We estimated baseline creatinine clearance using the Cockcroft-Gault equation, incorporating SCr, age, gender, and body weight (5). To help determine the presence and severity of AKI, we calculated the difference between peak and baseline SCr concentrations. For individuals with only two SCr determinations, the second, when higher than the first, was considered the peak. We assumed that individuals with no further monitoring or change in SCr had not experienced AKI. For individuals with more than two SCr determinations, we considered the minimum of the first three as baseline and the maximum of the second through nth as peak. We considered nominal changes in SCr, percentage changes, percentage changes to a minimum peak, and other previously used algorithms that incorporated the exponential relation between SCr and GFR. Finally, we broadly classified individuals by a combination of ICD-9-CM diagnosis codes and prescribed medications as potentially associated with reduced renal perfusion (“prerenal”) versus intrinsic renal injury. Statistical Analyses Continuous variables are described as mean
SD or median with interquartile range and compared with t test or the Wilcoxon rank sum test, when appropriate. Categorical variables are described as proportions and compared with the 2 test. We used logistic regression to estimate the odds of death with AKI, adjusting for associations with age, gender, DRG weight, ICD-9-CM group, and CKD. Because death was relatively common among patients with large increases in SCr, risk ratios were estimated using the method of Zhang and Yu (6). Model discrimination was determined using the area under the receiver operating characteristic curve (7). Model fit was assessed with the Hosmer-Lemeshow goodness-of-fit test (8). We used linear regression analysis to evaluate the associations of AKI with hospital LOS and costs. We log-transformed LOS and costs to accommodate data that were expectedly right-skewed and used Mallow’s Cp to assess model fit. Residual diagnostics indicated few outliers. We tested multiplicative interaction terms of AKI with other model covariates to evaluate for effect modification. To determine whether the risk associated with AKI differed by presumed cause (prerenal versus other), we used the Breslow-Day test for homogeneity of odds ratios (OR) and added an AKI cause interaction term to multivariable models. Given that we were exploring multiple definitions of AKI and three outcome variables, we considered two-tailed P 0.01 to be statistically significant. Statistical analyses were conducted using SAS 8.2 (SAS Institute, Cary, NC). R

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه