Simplified Criteria Using Pleural Fluid Cholesterol and Lactate Dehydrogenase to Distinguish between Exudative and Transudative Pleural Effusions
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: An important part of the investigation of pleural effusion is the identification of markers that help separate exudate from transudate. OBJECTIVES: The purposes of this study were to compare the accuracy of published and new sets of criteria to distinguish between exudative and transudative pleural effusions, and to determine whether serum biochemical analysis is necessary. METHODS: An externally validated cohort study was performed. Pleural effusions were determined to be transudative or exudative on the basis of an assessment of the medical record by two clinicians blinded to biochemical results. Sensitivity, specificity, positive likelihood ratio, negative likelihood ratio, and area under the receiver operating characteristic curve were determined for each proposed combination of criteria. RESULTS: Pleural fluid analysis was available for 311 thoracenteses in the main cohort and for 112 thoracenteses in the validation cohort. The best sensitivity (97% [95% CI 94-99]) and negative likelihood ratio (0.04 [95% CI 0.02-0.08]) for identifying exudative effusions were observed with criteria combining pleural fluid lactate dehydrogenase greater than 0.6 the upper limit of normal serum lactate dehydrogenase and pleural fluid cholesterol greater than 1.04 mmol/L (40 mg/dL). The overall diagnostic accuracy was similar to Light's criteria. Findings were similar in the validation cohort. CONCLUSIONS: Our proposed criteria using simultaneously pleural fluid lactate dehydrogenase and pleural fluid cholesterol can identify an exudate with a sensitivity and an overall diagnostic accuracy similar to Light's criteria. It avoids simultaneous blood sampling, thus reducing patient discomfort and potential costs.
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