Critical care management of the patient with cirrhosis awaiting liver transplant in the intensive care unit
Notice bibliographique
Résumé
Patients with cirrhosis who are awaiting liver transplantation (LT) are at high risk for developing critical illnesses. Current liver allocation policies that dictate a "sickest first" approach coupled with a mismatch between need and availability of organs result in longer wait times, and thus, patients are becoming increasingly ill while awaiting organ transplantation. Even patients with well-compensated cirrhosis may suffer acute deterioration; the syndrome of acute-on-chronic liver failure (ACLF) results in multisystem organ dysfunction and a marked increase in associated short-term morbidity and mortality. For patients on transplant waiting lists, the development of multisystem organ failure may eliminate candidacy for transplant by virtue of being "too sick" to safely undergo transplantation surgery. The goals of intensive care management of patients suffering ACLF are to rapidly recognize and treat inciting events (eg, infection and bleeding) and to aggressively support failing organ systems to ensure that patients may successfully undergo LT. Management of the critically ill ACLF patient awaiting transplantation is best accomplished by multidisciplinary teams with expertise in critical care and transplant medicine. Such teams are well suited to address the needs of this unique patient population and to identify patients who may be too ill to proceed to transplantation surgery. The focus of this review is to identify the common complications of ACLF and to describe our approach management in critically ill patients awaiting LT in our centers. Liver Transplantation 23 1465-1476 2017 AASLD.
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 | 0,000 | 0,000 |
| 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 ».