Carnitine deficiency in children receiving continuous renal replacement therapy
Notice bibliographique
Résumé
Carnitine deficiency is known to occur in chronic hemodialysis; however, the effect of continuous renal replacement therapy (CRRT) on carnitine homeostasis has not been studied. We hypothesized that children receiving CRRT are at risk for deficiency because of continuous removal, absent intake, decreased production, and comorbidities related to critical illness. Records of patients with acute kidney injury receiving CRRT at Children's National Health System between 2011 and 2014 were reviewed for total carnitine (TC), free carnitine (FC), feeding modality, severity of illness, and survival outcome. The proportion of carnitine-deficient patients at baseline, 1, 2, and ≥3 weeks on CRRT were compared by chi-square, and relationships with other variables assessed by Pearson's correlation and logistic regression. The study group included 42 CRRT patients, age 7.9 + 1.1 years. At baseline, 30.7% and 35.7% of patients were TC and FC deficient. Within 1 week, 64.5% (P = 0.03) and 70% (P = 0.03) were TC and FC deficient, and prevalence of deficiency increased to 80% (P = 0.01) and 90% (P = 0.008) by 2 weeks; 100% of patients were TC and FC deficient after being on CRRT for ≥3 weeks (P = 0.005 and P = 0.01, respectively, vs. baseline). TC and FC levels negatively correlated with days on CRRT (r = -0.39, P = 0.001 and r = -0.35, P = 0.005). Patients with TC and FC deficiency had 5.9 and 4.9 greater odds of death than those with normal levels (P = 0.02 and P = 0.03). Carnitine is significantly and rapidly depleted with longer time on CRRT, and carnitine deficiency is associated with increased mortality. Consequences of deficiency and benefits of supplementation in the pediatric CRRT population should be investigated.
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) | 0,000 | 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 ».