Fluid management and deresuscitation practices: A survey of critical care physicians
Notice bibliographique
Résumé
Accumulation of a positive fluid balance is common in critically ill patients, and is associated with adverse outcomes, including mortality. However, there are few randomised clinical trials to guide clinicians as to the most appropriate fluid strategy following initial resuscitation and on the use of deresuscitation (removal of accumulated fluid using diuretics and/or renal replacement therapy). To inform the design of randomised trials, we surveyed critical care physicians with regard to perceptions of fluid overload in critical care, self-reported practice, acceptability of a variety of approaches to deresuscitation, appropriate safety parameters, and overall acceptability of a randomised trial of deresuscitation. Of 524 critical care specialists completing the survey, the majority practiced in mixed medical/surgical intensive care units in the United Kingdom. Most (309 of 363 respondents, 85%) believed fluid overload to be a modifiable source of morbidity; there was strong support (395 of 457, 86%) for a randomised trial of deresuscitation in critical illness. Marked practice variability was evident among respondents. In a given clinical scenario, self-reported practice ranged from the administration of fluid (N = 59, 14%) to the administration of a diuretic (N = 285, 67%). The majority (95%) considered it appropriate to administer diuretics for fluid overload in the setting of noradrenaline infusion and to continue to administer diuretics despite mild dysnatraemias, hypotension, metabolic alkalosis, and hypokalaemia. The majority of critical care physicians view fluid overload as a common and modifiable source of morbidity; deresuscitation is widely practiced, and there is widespread support for randomised trials of deresuscitation in critical illness.
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 | 0,000 | 0,001 |
| 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 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 ».