At What Point Is the Accumulated Evidence Sufficient to Change Maintenance Intravenous Fluid Prescribing Practice in Children? How About Yesterday?
Notice bibliographique
Résumé
It is intriguing and somewhat disturbing that despite intravenous fluids (IVFs) being the most commonly prescribed therapy in hospitalized children, there still seems to be such a wide variation in the approach to choosing what type of intravenous (IV) maintenance fluid to use1,2 and the required monitoring that goes along with it. In this issue of Hospital Pediatrics , Rooholamini et al3 have attempted to address the discrepancy between evidence and practice through a quality improvement project using a standardized pathway to guide the choice of maintenance IVF. Their multidisciplinary approach included creating an evidence-based clinical pathway synthesizing the current consensus with regards to indications of when to start and discontinue IVFs and especially with regards to the optimal tonicity of the IVFs prescribed. They also included standardized monitoring for dysnatremia and signs of fluid overload. I would recommend readers electronically access the clinical pathway described by Romero et al4 because it is well designed with many good principles prominently highlighted (eg, “do not use 1/4 NS for maintenance fluids,” and “pay attention to weight fluctuations ±3%”) and presents the latest evidence in a pragmatic, algorithmic fashion. Those with increased antidiuretic hormone (ADH) secretion risk factors are recommended to receive 0.9% saline, whereas the rest are given 0.45% saline. Some guidance on total IVF maintenance calculation is also given. In the section on monitoring, they have recommended that all children receiving >75% of their maintenance by IVF have their sodium (Na) checked within 24 hours of initiation, but only those on hypotonic fluids require routine daily checks if getting >75% maintenance IVF. Their approach has tried to accommodate perceived gaps and areas of continuing controversy in the evidence (eg, potential adverse effects of isotonic fluids and frequency of Na monitoring). The most relevant and …
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,251 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,010 | 0,016 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».