MétaCan
Menu
Retour à la cohorte
Enregistrement W2339789341 · doi:10.1111/sdi.12504

We Use <i>Kt/V</i> Urea as a Measure of Adequacy of Peritoneal Dialysis

2016· article· en· W2339789341 sur OpenAlexaff
Joanne M. Bargman

Notice bibliographique

RevueSeminars in Dialysis · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePeritoneal dialysisHemodialysisDialysisUreaCreatinineIntensive care medicineKt/VDialysis adequacyDialysis TherapyUrologyMistakeInternal medicineSurgeryBiochemistry

Résumé

récupéré en direct d'OpenAlex

In the early days of chronic dialysis therapy, there was recognition that patients on continuous peritoneal dialysis enjoyed improvement in symptoms and signs of kidney failure similar to those receiving hemodialysis, despite slower removal rates of small solutes such as urea and creatinine. It was suggested that removal of toxic middle molecular weight solutes by the peritoneal membrane compensated for this difference. The publication of the National Cooperative Dialysis Study then focused attention on urea clearance as a significant predictor of hospitalization in hemodialysis patients. The peritoneal dialysis community made a mistake in adopting urea kinetics to the peritoneal dialysis process, while ignoring the benefits incumbent in continuous dialysis therapy and middle molecular weight solute removal. Sadly, to this day, despite the publication of many studies that have been unable to find an association between peritoneal small solute kinetics and outcome, Kt/V urea is employed as a marker of adequacy in these patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,405
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,264
Écart entre enseignants0,247 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in DialysisMême sujetDialysis and Renal Disease ManagementTravaux en français237 207