Acute hemodialysis complications in end‐stage renal disease patients: The burden and implications for the under‐resourced <scp>S</scp>ub‐<scp>S</scp>aharan <scp>A</scp>frican health systems
Notice bibliographique
Résumé
Little is known about the challenges of routine renal replacement therapy in Sub-Saharan Africa. We investigated the fatal and nonfatal acute hemodialysis (HD) complications in patients with end-stage renal disease (ESRD) in two main dialysis centers in Cameroon. 1000 consecutive HD sessions incurred over a 4-month period by 129 patients (96 men, 74%) with ESRD, receiving two weekly HD sessions of 4 hours each, were considered. Personal and clinical profiles before, during, and within 24 hours after HD sessions were used to diagnose complications. Participants were aged 7 to 80 years (mean 46 years). In all, 452 acute complications were recorded in 411 (41%) of the 1000 HD sessions. Of the 11 types of complications, hypotension (25%), muscular cramps (22%), hypertensive crisis (14%), pruritus (10%), and fever (7%) were the most frequent. Three hundred and six complications (67.7%) occurred during understaffed nighttime. The vascular access was the main bleeding site with 64%. Being diabetic and ultrafiltration rate >1000 mL/h were associated with hypotension and muscle cramps. The shorter duration in dialysis was associated with the risk of bleeding and the disequilibrium syndrome while longer duration was associated with muscle cramps. Four deaths (three from bleeding and one from disequilibrium syndrome) occurred, all during nighttime. Nearly half of dialysis sessions in these settings are associated with acute complications, some of which are fatal. Those complications occurred mostly during understaffed periods. Urgent strategies are needed to quickly solve the human capital crisis in the health care sector.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».