Does subjective assessment of dialyzer appearance reflect dialyzer performance in online hemodiafiltration?
Notice bibliographique
Résumé
INTRODUCTION: In post-dilution online hemodiafiltration, a very thin balance subsists in preventing coagulation of the extracorporeal circuit (ECC) during treatment and bleeding in the patient, concerning dialyzer status and anticoagulation dose. The aim of this study was to assess whether there are clinical outcome differences between the visual aspect of the dialyzer's status in terms of clotted fibers at end of dialysis treatments, single-pool urea kinetic modeling (spKt/V) and substitution volume (SubsVol). METHODS: It is a multicenter, descriptive-correlational study, involving 2829 patients during April 2016. Previous training was given to the Nursing staff to evaluate and classify both the dialyzer's and the venous chamber's appearance of the ECC venous line. Registration was performed at bedside immediately after the patient disconnection. FINDINGS AND DISCUSSION: Mean age was 68.96 years (SD = 13.75), 60.8% were men. The average hematocrit was 33.91% (SD = 3.45%). The average dry weight was 68.53 kg (SD = 13.27 kg). Mean unfractioned heparin (UFH) dose was 58.13 IU/kg. Only 32.4% of the patients had a clean dialyzer at the end of treatment. 19.4% of patients finished the treatment with more than 10% of clotted fibers. Patients with no residual blood (clean, 32.4%) presented a higher UFH dose (66.32 IU/kg) compared to overall average dose. UFH dose had a significant effect on dialyzer status. There were significant differences in average of spKt/V and SubsVol between the category clean and the other categories of dialyzer's status. Evaluating the dialyzer status represents an excellent opportunity to help the physicians to establish an ideal heparin dose. Only the category clean is significant to achieve the target. The nursing staff, by classifying the ECC appearance at patient's bedside and recording it in a centralized database, can be a major contributor to achieve an individualized and optimal UFH dose and subsequently better patient outcomes.
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 | 0,002 | 0,007 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».