MétaCan
Menu
Retour à la cohorte
Enregistrement W2915179467 · doi:10.1111/hdi.12716

Successful management of severe hyponatremia in CKD‐VD: In a cost limited setting

2019· article· en· W2915179467 sur OpenAlexvenueno aff
Navin Pattanashetti, Joyita Bharati, Harbir Singh Kohli, Krishan Lal Gupta, Raja Ramachandran

Notice bibliographique

RevueHemodialysis International · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueElectrolyte and hormonal disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyponatremiaMedicineAzotemiaRenal replacement therapyHemodialysisDialysisIntensive care medicineVomitingInternal medicineAnesthesiaRenal function

Résumé

récupéré en direct d'OpenAlex

Patients with end stage renal disease (ESRD) and severe hyponatremia always pose a challenge to manage. It is necessary to correct biochemical parameters, advanced azotemia, and fluid overload with conventional haemodialysis (HD) but it may correct serum sodium (Na) rapidly resulting in neurological complications like seizures and osmotic demyelination syndrome. Continuous renal replacement therapy (CRRT) is an ideal modality to manage such patients. However, most of the centers in the developing or underdeveloped nations do not have CRRT facility. We present two cases of ESRD, who had advanced azotemia requiring dialysis, also had persistent vomiting and severe hyponatremia (one with Na 107, another with Na 109 mEq/L), both cases were managed with conventional HD using dialysate Na concentration of 128 mEq/L (lowest permissible level of Na in a traditional HD machine) and keeping the blood flow of 50 mL/min. The serum Na increased by 1 mEq/L/h during first HD session, during the next session blood flow increased to 100 mL/min, and serum Na increased by two mEq/L/h. At the end of 48 hours, we were able to successfully correct serum Na by 18 mEq/L, with complete resolution of uremic manifestations and no neurological deficits. The current reports highlight management of hyponatremia in newly diagnosed ESRD in a cost limited setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,263
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHemodialysis InternationalMême sujetElectrolyte and hormonal disordersTravaux en français237 207