MétaCan
Menu
← Retour à la cohorte
Enregistrement W1914015445 · doi:10.1371/journal.pone.0135908

The Effect of Online Hemodiafiltration on Infections: Results from the CONvective TRAnsport STudy

2015· article· en· W1914015445 sur OpenAlexaff
Claire H. den Hoedt, Muriël P.C. Grooteman, Michiel L. Bots, Peter J. Blankestijn, Ingeborg van der Tweel, Neelke C. van der Weerd, E. Lars Penne, Albert H.A. Mazairac, Renée Lévesque, Piet M. ter Wee, Menso J. Nubé, Marinus A. van den Dorpel

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesFresenius Medical Care North AmericaSanofiNierstichtingRoche NederlandAmgen
Mots-clésMedicineProportional hazards modelHazard ratioInternal medicineHemodialysisIncidence (geometry)Confidence interval

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hemodialysis (HD) patients have a high risk of infections. The uremic milieu has a negative impact on several immune responses. Online hemodiafiltration (HDF) may reduce the risk of infections by ameliorating the uremic milieu through enhanced clearance of middle molecules. Since there are few data on infectious outcomes in HDF, we compared the effects of HDF with low-flux HD on the incidence and type of infections. PATIENTS AND METHODS: We used data of the 714 HD patients (age 64 ±14, 62% men, 25% Diabetes Mellitus, 7% catheters) participating in the CONvective TRAnsport STudy (CONTRAST), a randomized controlled trial evaluating the effect of HDF as compared to low-flux HD. The events were adjudicated by an independent event committee. The risk of infectious events was compared with Cox regression for repeated events and Cox proportional hazard models. The distributions of types of infection were compared between the groups. RESULTS: Thirty one percent of the patients suffered from one or more infections leading to hospitalization during the study (median follow-up 1.96 years). The risk for infections during the entire follow-up did not differ significantly between treatment arms (HDF 198 and HD 169 infections in 800 and 798 person-years respectively, hazard ratio HDF vs. HD 1.09 (0.88-1.34), P = 0.42. No difference was found in the occurrence of the first infectious event (either fatal, non-fatal or type specific). Of all infections, respiratory infections (25% in HDF, 28% in HD) were most common, followed by skin/musculoskeletal infections (21% in HDF, 13% in HD). CONCLUSIONS: HDF as compared to HD did not result in a reduced risk of infections, larger studies are needed to confirm our findings. TRIAL REGISTRATION: ClinicalTrials.gov NCT00205556.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,274
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetDialysis and Renal Disease Management→Travaux en français237 207→