Severe hyponatraemia in medical in-patients: aetiology, assessment and outcome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Hyponatraemia is the most commonly identified electrolyte abnormality. Published data on severe hyponatraemia in general medical in-patients is lacking. AIM: To determine the aetiology, adequacy of assessment, and outcome of severe hyponatraemia in general medical in-patients. DESIGN: Retrospective case-note review. METHODS: All general medical in-patients (n = 108) with serum sodium < or =125 mmol/l were identified from the clinical chemistry database, over a six-month period. A full review of notes and computer records was undertaken at the index date and a pre-determined follow-up date. RESULTS: Follow-up data were available in 105 patients. There was a wide range of aetiologies: diuretic therapy (loop and thiazide), congestive cardiac failure and liver disease were the most common, and 75.3% of patients had multiple causes. None of the 48% of patients whose history suggested a possible diagnosis of the syndrome of inappropriate anti-diuretic hormone (SIADH) met the generally accepted diagnostic criteria. Overall mortality was 20% during the index admission and 44.6% at follow-up, vs. 7.1% and 22%, respectively, for other patients admitted to the same directorate over the same time period (p < 0.001). Mortality was linked to aetiology, but not to reduced absolute serum sodium concentration at admission. DISCUSSION: Severe hyponatraemia in general medical patients is associated with a complex, multifactoral aetiology and a very poor prognosis. Outlook is governed principally by aetiology, and not by serum sodium level. Assessment of patients with hyponatraemia requires a practical clinical algorithm for diagnosing SIADH.
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.
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 | 0,000 |
| 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 découle