Effect of background serum lithium concentrations on the accuracy of lithium dilution cardiac output determination in dogs
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
OBJECTIVES: To assess the effect of increasing serum lithium concentrations on lithium dilution cardiac output (LiDCO) determination and to determine the ability to predict the serum lithium concentration from the cumulative lithium chloride dosage. ANIMALS: 10 dogs (7 males, 3 females). PROCEDURE: Cardiac output (CO) was determined in anesthetized dogs by measuring LiDCO and thermodilution cardiac output (TDCO). The effect of the serum lithium concentration on LiDCO was assessed by observing the agreement between TDCO and LiDCO at various serum lithium concentrations. Also, cumulative lithium chloride dosage was compared with the corresponding serum lithium concentrations. RESULTS: 44 paired observations were used. The linear regression analysis for the effect of the serum lithium concentration on the agreement between TDCO and LiDCO revealed a slope of -1.530 (95% confidence interval [CI], -2.388 to -0.671) and a y-intercept of 0.011 (r2 = 0.235). The linear regression analysis for the effect of the cumulative lithium chloride dosage on the serum lithium concentration revealed a slope of 2.291 (95% CI, 2.153 to 2.429) and a y-intercept of 0.008 (r2 = 0.969). CONCLUSIONS AND CLINICAL RELEVANCE: The LiDCO measurement increased slightly as the serum lithium concentration increased. This error was not clinically relevant and was minimal at a serum lithium concentration of 0.1 mmol/L and modest at a concentration of 0.4 mmol/L. The serum lithium concentration can be reliably predicted from the cumulative lithium dosage if lithium chloride is administered often within a short period.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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