Advances in management and prognostication in critically ill cirrhotic patients
Notice bibliographique
Résumé
PURPOSE OF REVIEW: To provide an update on the recent publications for the management and prognostication of critically ill cirrhotic patients before and after liver transplant. RECENT FINDINGS: The CLIF Acute-oN-ChrONicLIver Failure in Cirrhosis (CANONIC) study recently derived an evidence-based definition of acute-on-chronic liver failure (ACLF): hepatic decompensation; organ failure [predefined by the Chronic Liver Failure-Sequential Organ Failure Assessment (CLIF-SOFA)]; and high 28-day mortality rate. Although Sequential Organ Failure Assessment (SOFA) appears to be more accurate in predicting ICU and hospital mortality in ACLF patients, CLIF-SOFA has been derived specifically for critically ill cirrhotic patients, including those not receiving mechanical ventilation. Recent data suggest that a lower transfusion target in esophageal variceal bleeding (<7 g/l) is safe. Newly defined 'cirrhosis-associated acute kidney injury (AKI)' correlates with mortality, organ failure and length of hospital stay. Although the SOFA score appears to perform better than liver-specific scoring systems [Model for End-stage Liver Disease (MELD) and Child-Pugh scores], neither MELD nor SOFA appears to independently predict posttransplant survival; however, correlated with lengths of ICU and hospital stay. For patients declined for liver transplant, palliative care referral and appropriate goals of care are rarely achieved. SUMMARY: New definitions for ACLF, cirrhosis-associated AKI and the CLIF-SOFA may improve the discrimination between survivors and nonsurvivors with ACLF. Predicting futility postliver transplant based on preliver transplant severity of illness still poses significant challenges.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».