Biofeedback dialysis for hypotension and hypervolemia: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Intradialytic hypotension (IDH) is associated with morbidity and mortality. We conducted a systematic review to determine whether biofeedback hemodialysis (HD) can improve IDH and other outcomes, compared with HD without biofeedback. METHODS: Data sources included the Cochrane Central Register of Controlled Trials, MEDLINE, EMBASE and ISI Web of Science. We included randomized trials that enrolled adult patients (>18 years) with IDH or extracellular fluid expansion and that used biofeedback to guide ultrafiltration and/or dialysate conductivity. Two authors assessed trial quality and independently extracted data in duplicate. We assessed heterogeneity using I(2). We applied the GRADE framework for rating the quality of evidence. RESULTS: We found two parallel-arm randomized controlled clinical trials and six randomized crossover trials meeting inclusion criteria. All trials were open-label and at least four were industry-sponsored. Studies were small (median n = 27). No study evaluated hospitalization and the evidence for effect on mortality was of very low quality. Three studies assessed quality of life (QoL); none demonstrated benefit or harm, and quality of evidence was very low. Biofeedback significantly reduced IDH (risk ratio 0.61, 95% confidence interval 0.44-0.86; I(2)= 0%). Quality of evidence for this outcome was low due to risk of bias and potential publication bias. CONCLUSIONS: Biofeedback dialysis significantly reduces the frequency of IDH. Large and well-designed randomized trials are needed to assess the effects on survival, hospitalization and QoL.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».