Prevalence, Incidence, and Clinical Resolution of Insulin Resistance in Critically Ill Patients: An Observational Study
Notice bibliographique
Résumé
BACKGROUND: The primary objective of this study was to measure the prevalence, incidence, and resolution of insulin resistance (IR) in critically ill patients. A secondary objective was to explore the relationship between IR and inflammatory cytokines, coagulation abnormalities, and clinical outcomes. DESIGN: Prospective observational study. METHODS: The setting was the medical/surgical intensive care unit (ICU). We enrolled consecutive patients within 24 hours of admission to the ICU. Blood samples were collected daily until discharge, death, or a maximum of 10 days, then sent for measurement of markers of IR, inflammation, and coagulation. Charts were reviewed retrospectively to determine clinical outcomes. The homeostasis model assessment method (HOMA) was used to determine IR; a score of > or = 4 represents insulin resistance. RESULTS: A total of 96 patients were enrolled. Upon admission, 64 (67%) patients had overt IR (glucose > 7 mmol/L or insulin use), 9 (9.4%) had non-overt IR (normal glucose but HOMA > 4), and 23 (24%) were insulin sensitive (IS; normal glucose and HOMA < 4). During the course of ICU stay, an additional 16 patients developed overt IR, while 10 (10%) remained IS. There were no significant differences in inflammatory markers, coagulation tests, and clinical outcomes between IR and IS patients. There was no significant correlation between HOMA and inflammatory markers and coagulation markers. In a multivariable regression model, only interleukin-6 levels were significantly associated with mortality. CONCLUSIONS: A high proportion of critically ill patients have IR. There may not be any significant relationship between IR and measures of inflammation, coagulation, and clinical outcomes in a heterogeneous population of critically ill patients.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».