Meta-Analysis: Low-Dose Dopamine Increases Urine Output but Does Not Prevent Renal Dysfunction or Death
Notice bibliographique
Résumé
BACKGROUND: Surveys have documented the continued popularity of low-dose dopamine to influence renal dysfunction even though few data support it and editorials and reviews have discouraged its use. PURPOSE: To evaluate the effects of low-dose dopamine (< or =5 microg/kg of body weight per minute) compared with placebo or no therapy in patients with or at risk for acute renal failure. DATA SOURCES: MEDLINE (1966-January 2005), EMBASE (1980-week 5, 2005), CANCERLIT (1975-2002), CINAHL (1982-January 2005), and CENTRAL (The Cochrane Library, fourth quarter, 2004); bibliographies of retrieved publications; and additional information from 50 trials. STUDY SELECTION: Two reviewers independently selected parallel-group randomized and quasi-randomized controlled trials of low-dose dopamine versus control. DATA EXTRACTION: Study methods, clinical and renal physiologic outcomes, and adverse events (arrhythmias and myocardial, limb, and cutaneous ischemia) were extracted. DATA SYNTHESIS: 61 trials that randomly assigned 3359 patients were identified. Meta-analyses using random-effects models showed no effect of low-dose dopamine on mortality (relative risk, 0.96 [95% CI, 0.78 to 1.19]), need for renal replacement therapy (relative risk, 0.93 [CI, 0.76 to 1.15]), or adverse events (relative risk, 1.13 [CI, 0.90 to 1.41]). Low-dose dopamine increased urine output by 24% (CI, 14% to 35%) on day 1. Improvements in serum creatinine level (4% relative decrease [CI, 1% to 7%]) and measured creatinine clearance (6% relative increase [CI, 1% to 11%]) on day 1 were clinically insignificant. There were no significant changes on days 2 and 3 of therapy. LIMITATIONS: Statistically significant between-study heterogeneity in physiologic but not clinical outcomes was unexplained by prespecified hypotheses. CONCLUSION: Low-dose dopamine offers transient improvements in renal physiology, but no good evidence shows that it offers important clinical benefits to patients with or at risk for acute renal failure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,046 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».