To determine the impact of renal biomarker-guided implementation of the Kidney Disease Improving Global Outcomes (KDIGO) care bundle on the incidence of acute kidney injury (AKI) after major noncardiac surgery in a single-center unblinded randomized clinical trial.Early optimization of volume status and discontinuation of nephrotoxic medication before the occurrence of AKI may be the crucial step to reduce preventable AKI.The urinary biomarker-triggered KDIGO care bundle (early optimization of fluid status, maintenance of perfusion pressure, discontinuation of nephrotoxic agents) was compared to standard intensive care unit (ICU) care in 121 patients with an increased AKI risk after major abdominal surgery that was determined by urinary biomarker (inhibitor of metalloproteinase-2 × insulin-like growth factor-binding protein 7) >0.3. Incidence of overall AKI, severity of AKI, length of stay, major kidney events at discharge, and cost effectiveness were evaluated.The overall stages of AKI were not statistically different between the 2 groups, but in patients with inhibitor of metalloproteinase-2 × insulin-like growth factor-binding protein 7 values of 0.3 to 2.0 a subgroup analysis demonstrated a significantly reduced incidence of AKI 13/48 (27.1%) in the intervention group compared to control 24/50 (48.0%, P = 0.03). Incidence of moderate and severe AKI (P = 0.04), incidence of creatinine increase >25% of baseline value (P = 0.01), length of ICU, and hospital stay (P = 0.04) were significantly lower in the intervention group. Intervention was associated with cost reduction. There were no significant differences regarding renal replacement therapy, in-hospital mortality, or major kidney events at hospital discharge.Early biomarker-based prediction of imminent AKI followed by implementation of KDIGO care bundle reduced AKI severity, postoperative creatinine increase, length of ICU, and hospital stay in patients after major noncardiac surgery.

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Even today, a non-invasive biomarker to identify donors with enhanced risk for renal impairment is missing. Dickkopf 3 (DKK3) can cause tubulointerstitial fibrosis and is associated with rapid eGFR loss. The aim of our work was to analyze whether DKK3 can be used as a non-invasive alert marker for an increased risk of loss of kidney function in living kidney donors (LKDs).