Comparison of the Multiple-Aliquot and Batch Methods of Monitoring Peritoneal Dialysis Adequacy in Patients
Notice bibliographique
Résumé
BACKGROUND: Effluent fluid is analyzed to determine Kt/V urea and creatinine clearance as measures of adequacy of peritoneal dialysis. To avoid the physical mixing of fluids and to minimize handling of full effluent bags, a multiple-aliquot method of sampling was developed and compared to the traditional batch method. METHODS: The batch method and the multiple-aliquot method were performed for 31 consecutive patients. Pooled fluid urea and creatinine measurements were determined for each method. PD Adequest 2.0 (Baxter Healthcare, Deerfield, IL, USA) was used to derive calculated peritoneal dialysis parameters. RESULTS: Urea dialysate levels, calculated weekly urea clearances, protein catabolic rate, and Kt/V were not statistically different (p > 0.05) between the 2 methods. Dialysate creatinine and creatinine clearance with the 2 methods were statistically distinct but the differences were not clinically important. The processing time per set of patient effluent bags was reduced from 45 to 18 minutes, handling of the bags was minimized, and error associated with inadequate mixing of pooled fluids was avoided. CONCLUSION: The multiple-aliquot method generates accurate and timely results to assess peritoneal dialysis prescription adequacy while reducing staff effort.
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 | 0,001 | 0,001 |
| 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 ».