Notice bibliographique
Résumé
Metformin (MTF) is one of the most common oral agents used to treat diabetes mellitus. Intoxication is associated with lactic acidosis and has significant clinical consequences. We report 12 cases requiring dialytic intervention. Twelve patients were analyzed from 2005 to 2010; 10 of these patients were treated with dialysis. Conventional hemodialysis (HD) and continuous veno-venous hemodialysis treatments with bicarbonate dialysis were used, and the results were presented as mean and standard deviation. The results are as follows: 33% of the patients were male, hospital stay was 9.3 (± 12) days, average MTF dose 1.7 g/day, mortality was 25%. Baseline glomerular filtration rate for these patients was 51.5 mL/min, with an average age of 64 (± 11) years. On presentation, all had acute kidney injury with blood urea nitrogen/creatinine 75 (± 30)/8.1 (± 3.7) mg/dL, lactic acid 12.4 (± 8.1) mmol/L, pH 7.04 (± 0.19), bicarbonate 7.2 (± 4.5) mmol/L. Metformin level was 25 (± 17) µg/mL; anion gap was 28 (± 9), and serum potassium was 5.4 (± 1.3) mEq/L. Seventy percent of patients were treated with conventional HD. Patients required 4 (± 5) dialysis treatments at blood flow QB 330 (± 53), dialysis flow QD 571 (± 111) for 305 (± 122) minutes. Postdialysis, the acidosis parameters improved: bicarbonate 19.2 (± 4.1) mmol/L, lactic acid 6 (± 4) mmol/L and MTF levels decreased 8.9 (± 5.7) µg/mL. Metformin percentage removal was calculated to be 60% (± 24). No difference was found between HD and continous veno-venous hemodialysis. The only difference between survivors was the age 53 (± 7) vs. 78 (± 10) (P < 0.05). Metformin toxicity is a serious clinical condition and causes severe lactic acidosis and significant mortality. Hemodialysis is an efficient method to treat MTF intoxication and correct the metabolic abnormalities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».