Notice bibliographique
Résumé
Abstract Introduction Guidelines on hemodialysis (HD) dosing are based on urea kinetics, which can be modeled mathematically. Different schedules can be compared by equivalent continuous clearance. Methods A computer program generating HD prescriptions automatically was developed. In 200 actual HD urea kinetic modeling sessions involving 33 patients the urea distribution volume, generation rate, and concentration profile in the external space were computed using ionic dialysance as dialyzer clearance in the double pool ureakinetic model. Dialyzer in vivo mass area coefficient K0A was calculated from online data with the Michaels’ equation. Data from the modeling sessions were used for generating new prescriptions for the same patients. Findings New prescriptions meeting 12 criteria—technical limits and guideline targets—were generated by the model. They showed a wide range of basic treatment parameters (time and frequency, blood and dialysate flow, and ultrafiltration). In five cases, the dialysis time or frequency should have been increased from the actual to achieve the targets, in 72 cases the frequency could have been decreased. Two methods to emphasize RRF were tested. Using a coefficient of 2.0 for renal urea clearance in computing adjusted equivalent continuous clearance (EKR/Va), as suggested by Casino and Basile, decreased further the required treatment frequency in incremental dialysis. Discussion The model produced plausible individual prescriptions, but some unknown factors caused the determination of the dialyzer in vivo K0A to be inaccurate. The model must be tested with modern devices on patients before integration into dialysis machines and information systems.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».