Reducing vascular access morbidity: a comparative trial of two vascular access monitoring strategies
Notice bibliographique
Résumé
BACKGROUND: Thrombosis is the primary cause of access failure in polytetrafluoroethylene grafts and arteriovenous fistulas. It can lead to significant patient and access morbidity and mortality, and is difficult to prevent medically. Intervention is largely limited to maximizing access patency by detecting culprit lesions early and intervening with angioplasty or surgical revision. The most efficacious monitoring strategy is undetermined. METHODS: This 3 year prospective study took advantage of a change in monitoring strategy used in a large dialysis centre to compare the efficacy of two methods used to monitor grafts and fistulas in order to prevent access thrombosis. Accesses were monitored using Duplex ultrasonography in year 1, while the saline ultrasound dilution technique (Transonic) became the primary monitoring strategy in year 3 (year 2 was a transition year). Risk factors for thrombosis were determined using multivariate survival analysis, and the performance of Duplex ultrasonography and Transonic monitoring was assessed. RESULTS: A total of 303 656 access days at risk were assessed, with 344, 385 and 425 accesses in years 1, 2 and 3, respectively. The total thrombosis rate was 1.01/1000 access days in year 1 compared with 0.66/1000 access days in year 3. This was accomplished despite a reduction in procedure rates of 55% for angiograms, 13% for angioplasties and 31% for thrombolysis. CONCLUSION: Low flow rates detected using Transonic monitoring were associated with increased thrombosis, while stenosis detected using Duplex ultrasonography was not a strong predictor of incipient thrombosis; however, these different access characteristics were compared using monitoring techniques that may be ideal in different clinical situations.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».