MétaCan
Menu
Retour à la cohorte
Enregistrement W3094112299 · doi:10.1177/2054358120964078

A Higher Concentration of Dialysate Magnesium to Reduce the Frequency of Muscle Cramps: A Narrative Review

2020· review· en· W3094112299 sur OpenAlexafffund
Akshay Varghese, Eduardo Lacson, Jessica M. Sontrop, Rey Acedillo, Ahmed A. Al‐Jaishi, Sierra Anderson, Amit Bagga, Katie L. Bain, Laura L. Bennett, Clara Bohm, Pierre Antoine Brown, Christopher T. Chan, Brenden Cote, Varun Dev, Bonnie N. Field, Claire Harris, Shasikara Kalatharan, Mercedeh Kiaii, Amber O. Molnar, Matthew J. Oliver, Malvinder S. Parmar, Melissa Schorr, Nikhil Shah, Samuel A. Silver, Dean Smith, Manish M. Sood, Irina St. Louis, Karthik Tennankore, Stephanie Thompson, Marcello Tonelli, Hans Vorster, Blair Waldvogel, James Zacharias, Amit X. Garg

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2020
Typereview
Langueen
DomaineNursing
ThématiqueMagnesium in Health and Disease
Établissements canadiensQueen's UniversityUniversity of AlbertaSunnybrook Health Science CentreMcMaster UniversityUniversity of British ColumbiaUniversity of TorontoHealth Sciences CentreWindsor Regional HospitalUniversity Health NetworkKingston Health Sciences CentreUniversity of OttawaBC Cancer AgencyUniversity of ManitobaUniversity of CalgaryThunder Bay Regional Health Sciences CentreSt. Paul's HospitalDalhousie UniversityHumber River Regional HospitalLondon Health Sciences Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMuscle crampMagnesiumInternal medicineMetallurgy

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Strategies to mitigate muscle cramps are a top research priority for patients receiving hemodialysis. As hypomagnesemia is a possible risk factor for cramping, we reviewed the literature to better understand the physiology of cramping as well as the epidemiology of hypomagnesemia and muscle cramps. We also sought to review the evidence from interventional studies on the effect of oral and dialysate magnesium-based therapies on muscle cramps. SOURCES OF INFORMATION: Peer-reviewed articles. METHODS: We searched for relevant articles in major bibliographic databases including MEDLINE and EMBASE. The methodological quality of interventional studies was assessed using a modified version of the Downs and Blacks criteria checklist. KEY FINDINGS: The etiology of muscle cramps in patients receiving hemodialysis is poorly understood and there are no clear evidence-based prevention or treatment strategies. Several factors may play a role including a low concentration of serum magnesium. The prevalence of hypomagnesemia (concentration of <0.7 mmol/L) in patients receiving hemodialysis ranges from 10% to 20%. Causes of hypomagnesemia include a low dietary intake of magnesium, use of medications that inhibit magnesium absorption (eg, proton pump inhibitors), increased magnesium excretion (eg, high-dose loop diuretics), and a low concentration of dialysate magnesium. Dialysate magnesium concentrations of ≤0.5 mmol/L may be associated with a decrease in serum magnesium concentration over time. Preliminary evidence from observational and interventional studies suggests a higher dialysate magnesium concentration will raise serum magnesium concentrations and may reduce the frequency and severity of muscle cramps. However, the quality of evidence supporting this benefit is limited, and larger, multicenter clinical trials are needed to further determine if magnesium-based therapy can reduce muscle cramps in patients receiving hemodialysis. In studies conducted to date, increasing the concentration of dialysate magnesium appears to be well-tolerated and is associated with a low risk of symptomatic hypermagnesemia. LIMITATIONS: Few interventional studies have examined the effect of magnesium-based therapy on muscle cramps in patients receiving hemodialysis and most were nonrandomized, pre-post study designs.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,043
Tête enseignante GPT0,350
Écart entre enseignants0,307 · 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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetMagnesium in Health and DiseaseTravaux en français237 207