Trace Element Status in Hemodialysis Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Patients with chronic kidney disease undergoing hemodialysis (HD) are potentially at risk of deficiency and excess of trace elements. HD exposes patients to large volumes of water (>120 l/week) in the form of dialysate. Although levels of certain ions (such as potassium and calcium) are carefully regulated in dialysate, many others are measured infrequently, if ever. As a result, substances in lower concentrations in the dialysis may be leached from the body. Conversely, toxic trace elements present in water but not in blood may accumulate and cause toxicity. Given that essential trace elements play key roles in multiple biological systems including immunological defense against oxidation and infection, it has been hypothesized that the increased morbidity and mortality seen in HD patients may in part be due to the imbalance of trace elements that has not been recognized. A recent systematic review has shown that compared with healthy controls, HD patients have significantly lower blood levels of zinc, manganese, and selenium, while blood levels of lead are likely to accumulate. Other trace elements, such as mercury and arsenic, are biologically plausible causes of excess mortality in dialysis patients, but available evidence is inconclusive as to whether they consistently accumulate in this population. Whether altered trace element levels are potentially reversible causes of adverse clinical outcomes in dialysis patients remains to be determined. This review highlights key issues related to this hypothesis, with special emphasis on zinc, manganese, selenium, lead, mercury, and arsenic.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 découle