Diuretics in the Management of Acute Kidney Injury: A Multinational Survey
Notice bibliographique
Résumé
BACKGROUND: Diuretics are a common intervention in critically ill patients with acute kidney injury (AKI). However, there is no information that describes the practice patterns of diuretic use by clinicians. METHODS: Multinational, multicenter survey of intensive care and nephrology clinicians that utilized an 18-question self-reported questionnaire. RESULTS: The survey generated 331 responses from 16 countries. Academic institutions comprised 77.5%, with the remaining being from metropolitan, regional or private hospitals. The use of furosemide was most common (67.1%), delivered primarily intravenously (71.9%) and by bolus dosing (43.3%). Other diuretics were infrequently used. The majority rated current serum creatinine (73.6%) and urine output (73.4%), blood pressure (59.7%), central venous pressure (65.2%) and risk of toxicity (62.4%) important when deciding on a dose. Pulmonary edema was a prime physiologic indication for diuretic use (86.3%). Diuretic use was also common with rhabdomyolysis (55.6%), major surgery (56%), and cardiogenic shock (56.2%), and sepsis (49.5%). Diuretic use was most commonly given either prior to (57.7%) or during recovery (33.9%) after renal replacement therapy (RRT). Most (76.6%) targeted a diuresis of >or=0.5-1.0 ml/kg/h. The majority did not believe that diuretics could reduce mortality (74.3%), reduce need for (50.8%) or duration of RRT (57.8%) or improve renal recovery (68.2%), however, many stated uncertainty. Most (85.1%) would be willing to participate in a randomized trial (RCT) of diuretics in AKI with 72.4% believing it ethically acceptable to allocate patients to placebo. CONCLUSION: Diuretics are frequently used in AKI. Clinicians are most familiar with furosemide given intravenously and titrated to a physiologic endpoint of urine output. Most clinicians believe an RCT on diuretic use in AKI is justified and ethical. This survey confirms clinical agreement and a need for higher quality evidence on diuretic use in AKI.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».