MétaCan
Menu
Retour à la cohorte
Enregistrement W2051064714 · doi:10.1097/mat.0b013e318169271e

Can Extracellular Fluid Volume Expansion in Hemodialysis Patients Be Safely Reduced Using the Hemocontrol Biofeedback Algorithm? A Randomized Trial

2008· article· en· W2051064714 sur OpenAlexaff
Gihad Nesrallah, Rita S. Suri, Heather Thiessen‐Philbrook, Paul Heidenheim, Robert M. Lindsay

Notice bibliographique

RevueASAIO Journal · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensWestern UniversityHumber River Regional Hospital
Organismes subventionnairesnon disponible
Mots-clésHemodialysisExtracellular fluidRandomized controlled trialMedicineBiofeedbackUltrafiltration (renal)Clinical endpointBlood volumeInternal medicineCardiologyPhysical therapyExtracellularChemistry

Résumé

récupéré en direct d'OpenAlex

Extracellular fluid volume (ECFV) expansion in hemodialysis patients is associated with increased mortality. Attempts to remove excess fluid often result in intradialytic hypotension (IDH). Blood volume monitoring has been used to aid selection of ultrafiltration rates and dialysate conductivity to minimize IDH. Automating ultrafiltration and dialysate conductivity using the Hemocontrol Biofeedback System (HBS) has reduced IDH in IDH-prone subjects. We undertook a randomized controlled trial to determine if the HBS could safely reduce ECFV in ECF-expanded subjects. Patients with ECFV >45% of total body water were randomized to receive hemodialysis by either HBS or best clinical practices for 6 months. The primary endpoint was change in ECFV; exploratory variables included frequency of IDH, interdialytic weight gain, and changes in serum Na. Treatment with HBS did not result in any change in ECFV, even after multivariable adjustment. The frequency of IDH was however significantly lower with HBS when compared with best clinical practices without differences in other variables.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,254
Écart entre enseignants0,233 · 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'étudeEssai randomisé
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

Citations31
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASAIO JournalMême sujetDialysis and Renal Disease ManagementTravaux en français237 207