Physicochemical Interpretation of Acid-Base Abnormalities in 54 Adult Horses with Acute Severe Colitis and Diarrhea
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
BACKGROUND: The quantitative effect of strong electrolytes, pCO2 , and plasma protein concentration in determining plasma pH and bicarbonate concentrations can be demonstrated with the physicochemical approach. Plasma anion gap (AG) and strong ion gap (SIG) are used to assess the presence or absence of unmeasured anions. HYPOTHESES: The physicochemical approach is useful for detection and explanation of acid-base disorders in horses with colitis. AG and SIG accurately predict hyperlactatemia in horses with colitis. ANIMALS: Fifty-four horses with acute colitis and diarrhea. METHODS: Retrospective study. Physicochemical variables were calculated for each patient. ROC curves were generated to analyze sensitivity and specificity of AG and SIG for predicting hyperlactatemia. RESULTS: Physicochemical interpretation of acid-base events indicated that strong ion metabolic acidosis was present in 39 (72%) horses. Mixed strong ion acidosis and decreased weak acid (hypoproteinemia) alkalosis was concomitantly present in 17 (30%) patients. The sensitivity and specificity of AG and SIG to predict hyperlactatemia (L-lactate > 5 mEq/L) were 100% (95% CI, 66.4-100; P < .0001) and 84.4% (95% CI, 70.5-93.5 P < .0001). Area under the ROC curve for AG and SIG for predicting hyperlactatemia was 0.95 (95% CI, 0.86-0.99) and 0.93 (95% CI, 0.83-0.99), respectively. CONCLUSION AND CLINICAL RELEVANCE: These results emphasize the importance of strong ions and proteins in the maintenance of the acid-base equilibria. AG and SIG were considered good predictors of clinically relevant hyperlactatemia.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle