Diuretic strategies in patients with resistance to loop-diuretics in the intensive care unit: A retrospective study from the MIMIC-III database
Notice bibliographique
Résumé
PURPOSE: To investigate various diuretic strategies to alleviate loop-diuretics resistance in critically ill patients. MATERIALS AND METHOD: ICU adults requiring more than 1 mg/kg/day of furosemide, from the MIMIC-III database. Four diuretic strategies were investigated: incremental dose of loop diuretics, continuous infusion, combinations with a second class of diuretics and administration of intravenous albumin. A generalized estimating equation was used to investigate the associations between these strategies and endpoints. The primary outcome was the 24-h urine output and secondary endpoints included fluid balance, weight change, electrolyte and acid-base abnormalities, kidney replacement therapy initiation, and mortality. RESULTS: A total of 7645 ICU stays from 6358 patients were included. After adjustment, the use of continuous loop-diuretic infusion was associated with a higher 24-h urine output (β: 732, 95% CI:669-795, p < 0.001), lower 24-h fluid balance (p < 0.001) and greater weight loss at 48-h (p < 0.001). Thiazide- and carbonic anhydrase inhibitor combinations were both associated with higher urine output (p < 0.001) and weight loss at 48-h (p < 0.01), while intravenous albumin was associated with fluid gain (p < 0.001). Risks of electrolyte and metabolic disturbances varied across diuretic strategies. CONCLUSIONS: Continuous loop-diuretic infusion and thiazide- or acetazolamide-loop diuretic combinations increased urine output significantly, leading to a negative fluid balance and weight loss.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».