Ultrafiltration in Acute Heart Failure: Implications of Ejection Fraction and Early Response to Treatment From CARRESS‐HF
Notice bibliographique
Résumé
Background Ultrafiltration is not commonly used because of higher incidence of worsening renal function without improved decongestion. We examined differential outcomes of high versus low fluid removal and preserved versus reduced ejection fraction (EF) in CARRESS‐HF (Cardiorenal Rescue Study in Acute Decompensated Heart Failure). Methods and Results Baseline characteristics in the ultrafiltration arm were compared according to 24‐hour ultrafiltration‐based fluid removal above versus below the median. Patients were stratified by EF (≤40% or >40%). We compared clinical parameters of clinical decongestion during the hospitalization based on initial (≤24 hours) response to ultrafiltration. Cox‐proportional hazards models were used to identify associations between fluid removal <24 hours and composite of death, hospitalization, or unscheduled outpatient/emergency department visit during study follow‐up. The intention‐to‐treat analysis included 93 patients. Within 24 hours, median fluid removal was 1.89 L (Q1, Q3: 1.22, 3.16). The high fluid removal group had a greater urine output (9.08 versus 6.23 L, P =0.027) after 96 hours. Creatinine change from baseline to 96 hours was similar in both groups (0.10 mg/dL increase, P =0.610). The EF >40% group demonstrated larger increases of change in creatinine ( P =0.023) and aldosterone ( P =0.038) from baseline to 96 hours. Among patients with EF >40%, those with above median fluid removal (n=17) when compared with below median (n=17) had an increased rate of the combined end point (87.5% versus 47.1%, P =0.014). Conclusions In patients with acute heart failure, higher initial fluid removal with ultrafiltration had no association with worsening renal function. In patients with EF >40%, ultrafiltration was associated with worsening renal function irrespective of fluid removal rate and higher initial fluid removal was associated with higher rates of adverse clinical outcomes, highlighting variable responses to decongestive therapy.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».