MétaCan
Menu
Retour à la cohorte
Enregistrement W2114273947 · doi:10.14740/jocmr2351w

Hypomagnesemia in Critically Ill Sepsis Patients

2015· review· en· W2114273947 sur OpenAlexvenueno aff
Dimitrios Velissaris, Vasileios Karamouzos, Charalampos Pierrakos, Διαμάντω Αρέθα, Μενέλαος Καρανικόλας

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2015
Typereview
Langueen
DomaineNursing
ThématiqueMagnesium in Health and Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHypomagnesemiaMedicineCritically illSepsisIntensive care medicineObservational studyMagnesium deficiency (plants)Critical illnessInternal medicineMagnesium

Résumé

récupéré en direct d'OpenAlex

Magnesium (Mg), also known as "the forgotten electrolyte", is the fourth most abundant cation overall and the second most abundant intracellular cation in the body. Mg deficiency has been implicated in the pathophysiology of many diseases. This article is a review of the literature regarding Mg abnormalities with emphasis on the implications of hypomagnesemia in critical illness and on treatment options for hypomagnesemia in critically ill patients with sepsis. Hypomagnesemia is common in critically ill patients, and there is strong, consistent clinical evidence, largely from observational studies, showing that hypomagnesemia is significantly associated with increased need for mechanical ventilation, prolonged ICU stay and increased mortality. Although the mechanism linking hypomagnesemia with poor clinical outcomes is not known, experimental data suggest mechanisms contributing to such outcomes. However, at the present time, there is no clear evidence that magnesium supplementation improves outcomes in critically ill patients with hypomagnesemia. Large, well-designed clinical trials are needed to evaluate the role of magnesium therapy for improving outcomes in critically ill patients with sepsis.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,509
Tête enseignante GPT0,661
Écart entre enseignants0,152 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations110
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetMagnesium in Health and DiseaseTravaux en français237 207