The Effect of Acidosis on Albumin Level in Patients Treated With Regular Hemodialysis (Single Center Study)
Notice bibliographique
Résumé
BACKGROUND: Hypoalbuminemia is the most powerful predictor of mortality in end-stage renal disease on hemodialysis. Metabolic acidosis induces net negative nitrogen and total body protein balance. Some patients undergoing maintenance dialysis have low plasma bicarbonate levels due to inadequate dialysis. We aimed to evaluate the role of metabolic acidosis on serum albumin concentration in patients with end stage renal disease on hemodialysis, and to determine differences of serum bicarbonate level before and after hemodialysis in actual situation. METHODS: This cross sectional comparative study was conducted in the Iraqi Center for Hemodialysis/ Baghdad Teaching Hospital from June to December 2015. It included 100 subjects with end stage renal disease on hemodialysis. They were divided equally into cases with low albumin and comparison group with normal albumin level. Serum bicarbonate and the Kt/V were measured for all subjects before, after, and before next hemodialysis session to show the adequacy of dialysis. RESULTS: There was a significant association between low bicarbonate and low albumin level in hemodialysis patient and between numbers and duration of dialysis session with albumin. Low Kt/V was significantly associated with hypoalbuminemia. There was no statistically significant association between age and gender with hypoalbuminemia. CONCLUSION: This study shows that patients with metabolic acidosis had a lower serum albumin concentration and there was a significant correlation between numbers, duration and adequacy of hemodialysis sessions and albumin level. We recommend to increase the numbers of dialysis centers in Iraq and adjust the bicarbonate doses in dialysate according to patient’s bicarbonate levels.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».