Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | School of Medicine | - |
Autor(es): dc.contributor | Universidad de La República | - |
Autor(es): dc.creator | Ponce, Daniela | - |
Autor(es): dc.creator | de Andrade, Luís Gustavo Modelli | - |
Autor(es): dc.creator | Granado, Rolando Claure-Del | - |
Autor(es): dc.creator | Ferreiro-Fuentes, Alejandro | - |
Autor(es): dc.creator | Lombardi, Raul | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:27:08Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:27:08Z | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2021-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1038/s41598-021-03894-5 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/230191 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/230191 | - |
Descrição: dc.description | Acute kidney injury (AKI) is frequently associated with COVID-19 and it is considered an indicator of disease severity. This study aimed to develop a prognostic score for predicting in-hospital mortality in COVID-19 patients with AKI (AKI-COV score). This was a cross-sectional multicentre prospective cohort study in the Latin America AKI COVID-19 Registry. A total of 870 COVID-19 patients with AKI defined according to the KDIGO were included between 1 May 2020 and 31 December 2020. We evaluated four categories of predictor variables that were available at the time of the diagnosis of AKI: (1) demographic data; (2) comorbidities and conditions at admission; (3) laboratory exams within 24 h; and (4) characteristics and causes of AKI. We used a machine learning approach to fit models in the training set using tenfold cross-validation and validated the accuracy using the area under the receiver operating characteristic curve (AUC-ROC). The coefficients of the best model (Elastic Net) were used to build the predictive AKI-COV score. The AKI-COV score had an AUC-ROC of 0.823 (95% CI 0.761–0.885) in the validation cohort. The use of the AKI-COV score may assist healthcare workers in identifying hospitalized COVID-19 patients with AKI that may require more intensive monitoring and can be used for resource allocation. | - |
Descrição: dc.description | Department of Internal Medicine Botucatu Medical School University of São Paulo State–UNESP, Avenida Professor Mario Rubens Montenegro | - |
Descrição: dc.description | Division of Nephrology Hospital Obrero No. 2 − CNS Universidad Mayor de San Simon School of Medicine | - |
Descrição: dc.description | Division of Nephrology School of Medicine Universidad de La República | - |
Descrição: dc.description | Department of Internal Medicine Botucatu Medical School University of São Paulo State–UNESP, Avenida Professor Mario Rubens Montenegro | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Scientific Reports | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Development of a prediction score for in-hospital mortality in COVID-19 patients with acute kidney injury: a machine learning approach | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: