Complications of the Arteriovenous Fistula: A Systematic Review
Notice bibliographique
Résumé
The implementation of patient-centered care requires an individualized approach to hemodialysis vascular access, on the basis of each patient’s unique balance of risks and benefits. This systematic review aimed to summarize current literature on fistula risks, including rates of complications, to assist with patient-centered decision making. We searched Medline from 2000 to 2014 for English-language studies with prospectively captured data on ≥100 fistulas. We assessed study quality and extracted data on study design, patient characteristics, and outcomes. After screening 2292 citations, 43 articles met our inclusion criteria (61 unique cohorts; n >11,374 fistulas). Median complication rates per 1000 patient days were as follows: 0.04 aneurysms (14 unique cohorts; n =1827 fistulas), 0.11 infections (16 cohorts; n >6439 fistulas), 0.05 steal events (15 cohorts; n >2543 fistulas), 0.24 thrombotic events (26 cohorts; n =4232 fistulas), and 0.03 venous hypertensive events (1 cohort; n =350 fistulas). Risk of bias was high in many studies and event rates were variable, thus we could not present pooled results. Studies generally did not report variables associated with fistula complications, patient comorbidities, vessel characteristics, surgeon experience, or nursing cannulation skill. Overall, we found marked variability in complication rates, partly due to poor quality studies, significant heterogeneity of study populations, and inconsistent definitions. There is an urgent need to standardize reporting of methods and definitions of vascular access complications in future clinical studies to better inform patient and provider decision making.
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) | 0,005 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».