Spironolactone is effective in treating hypokalemia among peritoneal dialysis patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Hypokalemia is common in peritoneal dialysis (PD) patients and is associated with increased cardiovascular and all-cause mortality. The management approach for such patients routinely includes spironolactone at our centre. We undertook this study to assess the efficacy of spironolactone for the treatment of hypokalemia in PD patients. METHODS: Retrospective chart review of PD patients at a single centre. Serum potassium was compared prior to initiation of spironolactone and two months afterwards. Indication for spironolactone and changes in blood pressure (BP), weight, and serum creatinine were also recorded. RESULTS: The chart review identified 53 patients who fit our selection criteria. The mean age was 64 +/- 15 years and the majority was treated with continuous cyclic peritoneal dialysis. Serum potassium rose from 3.7 +/- 0.5 to 4.2 +/- 0.5 mmol/L (P<0.0001) after 2 months with a mean dose of spironolactone of 28.5+/-15.2 mg (median dose 25 mg). A significant reduction in systolic BP was observed from 150+/- 18 to 137 +/-24 (P = 0.002); a non- significant reduction in diastolic BP was also observed. The rise in potassium was constant in the range of 0.4 to 0.5 mmol/L regardless of whether spironolactone was initiated for hypokalemia, diuresis, or as an antihypertensive. There was no change in serum creatinine or body weight two months after introduction of spironolactone. CONCLUSIONS: Spironolactone is safe and effective in treating hypokalemia in PD patients. It is also an effective antihypertensive agent and merits further study in the PD population.
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.
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) | 0,000 | 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 découle