Is environmental temperature related to renal symptoms, serum lithium levels, and other laboratory test results in current lithium users?
Notice bibliographique
Résumé
OBJECTIVE: Lithium continues to be an important mood disorder treatment. Although patients exposed to higher environmental temperatures may have serum lithium level elevations due to dehydration, there is conflicting data in the literature. In addition, no study has assessed the association between temperature and other renal laboratory tests and symptoms in lithium users. METHODS: This is a cross-sectional analysis of 63 current lithium users who participated in the McGill Geriatric Lithium-induced Diabetes Insipidus Clinical Study. The relationship between mean daily temperature with diabetes insipidus symptoms, glomerular filtration rate, urine osmolality, serum sodium, lithium level, and lithium dose-level ratio was assessed. RESULTS: Although a higher temperature on the day of laboratory testing trended toward being independently associated with a lower lithium dose-level ratio (Beta = -0.17, p = 0.08), this was not found when using a dichotomous measure of temperature (T > 20°C). No association was observed between temperature and other renal parameters. CONCLUSIONS: The association of temperature with lithium levels, renal symptoms, and laboratory tests appears to be of relatively little clinical importance in lithium users in temperate climates. However, future research should re-examine patients living in climates with extreme temperatures (e.g., >40°C), who may theoretically be at higher risk.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».