MétaCan
Menu
Retour à la cohorte
Enregistrement W2096845840 · doi:10.1111/j.1748-5827.2003.tb00122.x

Assessment of acid‐base status of cats with naturally occurring chronic renal failure

2003· article· en· W2096845840 sur OpenAlexaff
Jonathan Elliott, Harriet M. Syme, E. Reubens, P. J. Markwell

Notice bibliographique

RevueJournal of Small Animal Practice · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal function and acid-base balance
Établissements canadiensRoyal College of Physicians and Surgeons of Canada
Organismes subventionnairesnon disponible
Mots-clésMedicineCATSUrineMetabolic acidosisBicarbonateAnion gapInternal medicineAcidosisUrinary systemExcretionCreatinineGastroenterologyAcid–base imbalanceChronic renal failureEndocrinology

Résumé

récupéré en direct d'OpenAlex

Metabolic acidosis is reported to be a common complication of feline chronic renal failure (CRF) but acid-base status of feline patients with this disease is rarely assessed by general practitioners. A cross-sectional study involving 59 cases of naturally occurring feline CRF was conducted to determine the prevalence of acid-base disturbances. Cases were categorised on the basis of their plasma creatinine concentrations as mild, moderate or severe. A group of 27 clinically healthy, age-matched cats was assessed for comparison. A low venous blood pH (<7.270) was found in 10 of the 19 severe cases (52.6 per cent), three of the 20 moderate cases (15 per cent) and none of the 20 mild cases. Acidaemia was associated with an increased anion gap contributed to by both low plasma bicarbonate and low chloride ion concentrations. Biochemical analysis of urine samples showed urine pH to decrease with increasing severity of renal failure. Urinary loss of bicarbonate was not associated with the occurrence of acidaemia and there was a tendency for urinary ammonium ion excretion to decrease as the severity of renal failure increased. Cats with naturally occurring CRF do not show plasma biochemical evidence of acid-base disturbances until the disease is advanced.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,310
Écart entre enseignants0,291 · 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'étudeObservationnel
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

Citations64
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Animal PracticeMême sujetRenal function and acid-base balanceTravaux en français237 207