Predictors of successful discontinuation from renal replacement therapy during AKI: A meta‐analysis
Notice bibliographique
Résumé
The predictors of weaning time of renal replacement therapy (RRT) remain controversial for special patients suffering from acute kidney injury (AKI). The present work aims to perform a meta-analysis to evaluate proper predictors of RRT weaning in AKI patients. We systematically searched EMBASE, PubMed, and Cochrane Central Register of Controlled trials for literatures between 1984 and June 2019. Studies evaluating predictors of weaning success of RRT in patients of AKI were included. Random-effects model or fixed-effects model meta-analyses were performed to compute a standard mean difference (SMD). Newcastle-Ottawa Scale was employed to assess the risk of bias. We included 10 observational trials including 1453 patients. Twelve predictors including urine output, serum creatinine, serum urea, mean arterial pressure, central venous pressure, lactate, serum potassium, serum bicarbonate, pH value, SOFA score, urinary urea, and urinary creatinine were identified, showing urine output (p = 0.0000), serum creatinine (p = 0.008), serum potassium (p = 0.02), serum bicarbonate (p = 0.01), pH value (p = 0.03), urinary urea (p = 0.002), and urinary creatinine (p = 0.02) were significantly associated with weaning success. With the limited evidence, we speculate that urine output, serum creatinine, serum potassium, serum bicarbonate, pH value, urinary urea, and urinary creatinine might be associated with successful weaning.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,048 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».