MétaCan
Menu
Retour à la cohorte
Enregistrement W2995828399 · doi:10.1097/hco.0000000000000709

Hyperkalemia in heart failure

2019· review· en· W2995828399 sur OpenAlexaff
Kiran Sidhu, Rohan Sanjanwala, Shelley Zieroth

Notice bibliographique

RevueCurrent Opinion in Cardiology · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePotassium and Related Disorders
Établissements canadiensShell (Canada)St. Boniface HospitalUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHyperkalemiaMedicineHeart failureIntensive care medicineKidney diseasePopulationHemodialysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Hyperkalemia is increasingly prevalent in the heart failure population as more people live with heart failure and comorbid conditions such as diabetes and chronic kidney disease. Furthermore, renin-angiotensin-aldosterone (RAAS) inhibitors are a key component of clinical therapy in these populations. Until now, we have not had any reliable or tolerable therapies for treatment of hyperkalemia resulting in inability to implement or achieve target doses of RAAS inhibition. This review will focus on two new therapies for hyperkalemia: patiromer and sodium zirconium cyclosilicate (SZC). RECENT FINDINGS: Patiromer and SZC have been studied in heart failure and both agents have demonstrated the ability to maintain normokalemia for extended periods of time with improved side effect profiles than existing potassium binders such as sodium polystyrene sulfate, though no direct comparisons have occurred. SZC has also shown promise in the treatment of acute hyperkalemia with its quick onset of action. SUMMARY: Patiromer and SZC will be useful adjuncts in the clinical care of heart failure patients with hyperkalemia. These agents will allow clinicians to maintain patients on RAAS inhibitors and uptitrate their guideline directed medical therapy to target doses without the additional concern for recurrent hyperkalemia and its untoward effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,111
Tête enseignante GPT0,416
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in CardiologyMême sujetPotassium and Related DisordersTravaux en français237 207