Notice bibliographique
Résumé
Purpose: To analyze all patients who died while on hemodialysis from a single institution 1995–2004 and determine factors that influence duration on HD (months). Material and Methods: Review of the EMR from the dialysis unit for demographics, treatment parameters, cause of death, laboratory data. Two main groups those who stop dialysis (SHD) vs non stop dialysis (NSHD) data as mean and SD. Observations done at the start/mid/end of the period on dialysis by Kaplan Meier analysis. Results: 348 deaths, reported SMR for 2000–93(0.36,0.48,0.72,0.79), average comorbidity index 7.1–16.4; 49.1% male; age 67.6(12.3); 58.2% DM, 117(33.6%) stop dialysis. Detail analysis from 2000–2004; 187 deaths; 33.6% catheter, 41.1% AV graft at the time of death; 26% on no BP meds at the end, 64% 1–2 BP meds at the end. Cause Stop No Stop CV 33(28%) 145(62.7%) Infection 10(8.5%) 41(17.7%) Other 74(63.5%) 45(19.6%) Most SHD deaths due to uremia (60%), Cancer 17%, occurred 36% CVA. SHD vs NSHD: older 70.8 (12.9) vs 65.9(12.9) p < 0.001. No difference in average months in dialysis 41.2 (38.9) vs 48.7(47.7)NS, in URR (start/end), UF during Hd, predialysis MAP (start/end: 105(15) 196(15)/95 (20) , 96(20)) albumin, phosphorous. Lower creatinine (at the end 6.2(1.5) 7.4(2.4)) higher Kt/V at end 1.47(0.4) vs 1.29(0.3). BMI lower at star/mid/end of the observation period. Conclusions: A large proportion of deaths were due to discontinuation of dialysis, older patient discontinue dialysis more frequently, the length of time on dialysis (months) is related more to nutritional factors (creatinine, BMI)
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».