MétaCan
Menu
Retour à la cohorte
Enregistrement W2960573773 · doi:10.1016/j.ekir.2019.07.003

Meta-Analysis of Randomized Controlled Trials Using Tool-Assisted Target Weight Adjustments in Chronic Dialysis Patients

2019· article· en· W2960573773 sur OpenAlexafffund
William Beaubien‐Souligny, Loay Kontar, Daniel Blum, Josée Bouchard, André Denault, Ron Wald

Notice bibliographique

RevueKidney International Reports · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensCentre Hospitalier de l’Université de MontréalMontreal Heart InstituteUniversity of TorontoHôpital du Sacré-Cœur de MontréalSt. Michael's Hospital
Organismes subventionnairesFonds de Recherche du Québec - SantéBaxter International
Mots-clésMedicineRandomized controlled trialDialysisConfidence intervalMeta-analysisHemodialysisPeritoneal dialysisRelative riskInternal medicineIntensive care medicineClinical trialSubgroup analysisBlood pressure

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Technological adjuncts have been developed to improve the accuracy of fluid removal goals in maintenance dialysis recipients. We aimed to determine whether the introduction of these tools has been shown to impact clinical outcomes. METHODS: We performed a systematic review and meta-analysis of randomized controlled trials that compared fluid management guided by technological adjuncts to standard care in hemodialysis and peritoneal dialysis. The primary outcome was all-cause mortality. Secondary outcomes were cardiovascular events, hospitalizations, intradialytic hypotension, blood pressure, symptoms, antihypertensive medications. and left ventricular mass index. RESULTS: = 55%). The risk of bias was high or unclear in most studies and the quality of evidence was judged to be low. CONCLUSIONS: Among maintenance dialysis recipients, technological adjuncts for fluid management did not improve survival. Trials mostly investigated the use of bioimpedance, whereas the evidence for use of other technologies remain very scarce. Future adequately powered trials should assess a broader array of promising technologies using meaningful clinical outcomes over a prolonged follow-up duration.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0090,009
Bibliométrie0,0020,001
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)0,0110,000

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 Opus0,048
Tête enseignante GPT0,327
Écart entre enseignants0,279 · 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.

Devis d'étudeMéta-analyse
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

Citations38
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetDialysis and Renal Disease ManagementTravaux en français237 207