Net Ultrafiltration Prescription and Practice Among Critically Ill Patients Receiving Renal Replacement Therapy: A Multinational Survey of Critical Care Practitioners
Notice bibliographique
Résumé
OBJECTIVES: To assess the attitudes of practitioners with respect to net ultrafiltration prescription and practice among critically ill patients with acute kidney injury treated with renal replacement therapy. DESIGN: Multinational internet-assisted survey. SETTING: Critical care practitioners involved with 14 societies in 80 countries. SUBJECTS: Intervention: MEASUREMENT AND MAIN RESULTS:: Of 2,567 practitioners who initiated the survey, 1,569 (61.1%) completed the survey. Most practitioners were intensivists (72.7%) with a median duration of 13.2 years of practice (interquartile range, 7.2-22.0 yr). Two third of practitioners (71.0%; regional range, 55.0-95.5%) reported using continuous renal replacement therapy with a net ultrafiltration rate prescription of median 80.0 mL/hr (interquartile range, 49.0-111.0 mL/hr) for hemodynamically unstable and a maximal rate of 299.0 mL/hr (interquartile range, 200.0-365.0 mL/hr) for hemodynamically stable patients, with regional variation. Only a third of practitioners (31.5%; range, 13.7-47.8%) assessed hourly net fluid balance during continuous renal replacement therapy. Hemodynamic instability was reported in 20% (range, 20-38%) of patients and practitioners decreased the rate of fluid removal (70.3%); started or increased the dose of a vasopressor (51.5%); completely stopped fluid removal (35.8%); and administered a fluid bolus (31.6%), with significant regional variation. Compared with physicians, nurses were most likely to report patient intolerance to net ultrafiltration (73.4% vs 81.3%; p = 0.002), frequent interruptions (40.4% vs 54.5%; p < 0.001), and unavailability of trained staff (11.9% vs 15.6%; p = 0.04), whereas physicians reported unavailability of dialysis machines (14.3% vs 6.1%; p < 0.001) and costs associated with treatment as barriers (12.1% vs 3.0%; p < 0.001) with significant regional variation. CONCLUSIONS: Our study provides new knowledge about the presence and extent of international practice variation in net ultrafiltration. We also identified barriers and specific targets for quality improvement initiatives. Our data reflect the need for evidence-based practice guidelines for net ultrafiltration.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».