Effect of Neutral-pH, Low–Glucose Degradation Product Peritoneal Dialysis Solutions on Residual Renal Function, Urine Volume, and Ultrafiltration
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Neutral-pH, low-glucose degradation products solutions were developed in an attempt to lessen the adverse effects of conventional peritoneal dialysis solutions. A systematic review was performed evaluating the effect of these solutions on residual renal function, urine volume, peritoneal ultrafiltration, and peritoneal small-solute transport (dialysate to plasma creatinine ratio) over time. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Multiple electronic databases were searched from January of 1995 to January of 2013. Randomized trials reporting on any of four prespecified outcomes were selected by consensus among multiple reviewers. RESULTS: Eleven trials of 643 patients were included. Trials were generally of poor quality. The meta-analysis was performed using a random effects model. The use of neutral-pH, low-glucose degradation products solutions resulted in better preserved residual renal function at various study durations, including >1 year (combined analysis: 11 studies; 643 patients; standardized mean difference =0.17 ml/min; 95% confidence interval, 0.01 to 0.32), and greater urine volumes (eight studies; 598 patients; mean difference =128 ml/d; 95% confidence interval, 58 to 198). There was no significant difference in peritoneal ultrafiltration (seven studies; 571 patients; mean difference =-110; 95% confidence interval, -312 to 91) or dialysate to plasma creatinine ratio (six studies; 432 patients; mean difference =0.03; 95% confidence interval, 0.00 to 0.06). CONCLUSIONS: The use of neutral-pH, low-glucose degradation products solutions results in better preservation of residual renal function and greater urine volumes. The effect on residual renal function occurred early and persisted beyond 12 months. Additional studies are required to evaluate the use of neutral-pH, low-glucose degradation products solutions on hard clinical outcomes.
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 | 0,013 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,018 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».