MétaCan
Menu
Retour à la cohorte
Enregistrement W1986093910 · doi:10.1097/nhh.0000000000000050

“Drink at Least 8 Glasses of Water a Day to Be Healthy???”

2014· article· en· W1986093910 sur OpenAlexafffund
William F. Clark, Shih‐Han S. Huang, Amit X. Garg, Andrew A. House, Louise Moist, Matthew A. Weir, Jessica M. Sontrop

Notice bibliographique

RevueHome Healthcare Nurse · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensWestern UniversityLondon Health Sciences Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésKidney diseaseObservational studyMedicineRenal functionUrineCohort studyCohortInternal medicineRandomized controlled trialFluid intake

Résumé

récupéré en direct d'OpenAlex

The saying "drink at least 8 glasses of water per day to be healthy" has had little supporting evidence. The purpose of this article was to briefly introduce the role of hydration in health in order to explore in more detail recent observational studies of hyperhydration in chronic kidney disease (CKD) in man. The Modification of Diet in Renal Disease study initially noted a negative association between increasing urine output and progression of CKD that was absent when corrected for baseline variables. Recently, data from 2 different cross-sectional populations found those with the highest fluid intake had a significantly lower risk of CKD. In a longitudinal, community-based cohort study adjusted for baseline variables, decline in kidney function was significantly slower in those with higher versus lower baseline urine volume. These new and contradictory results underline the need for a randomized controlled study to test the hypothesis that increased fluid intake will slow renal decline.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,382
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,307
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHome Healthcare NurseMême sujetDialysis and Renal Disease ManagementTravaux en français237 207