Urine Electrolytes and Osmolality: When and How to Use Them
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
The purpose of this review is to provide an update on the use of the urine electrolyte and osmolality measurements in patients with disorders of fluid, electrolytes, and/or acid-base metabolism. It is critical to appreciate that there are no 'normal values' for these parameters, only 'expected values' relative to clinical situations. Pitfalls in the interpretation of each electrolyte in the urine are also provided. To detect a mild to moderate degree of reduction of the 'effective' intravascular volume, both urine sodium (Na) and chloride (Cl) concentrations should be measured. Pitfalls in this assessment are abnormal renal and adrenal function and the use of diuretics. Insights into the etiology of the low 'effective' intravascular volume can be deduced by comparing the urine Na, potassium (K), and Cl concentrations. The urine net charge (Cl vs. Na + K) is the most reliable way to estimate the urine ammonium concentration short of its direct measurement, an assay that is not provided by most laboratories. This measurement is important in the differential diagnosis of hyperchloremic metabolic acidosis. To examine the renal response to hypokalemia or hyperkalemia, the two components of K excretion (K secretion and urine flow rate) should be examined separately. The former is evaluated using the transtubular K, concentration gradient. The urine osmolality is used to assess antidiuretic hormone action and the osmolality of the renal medulla and to determine the etiology of polyuria and/or hypernatremia. The urine osmolality can also be used to assess the ammonium concentration, using the urine osmolal gap, and to detect unusual urine osmoles.
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) | 0,002 | 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 | 0,001 |
| 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