The Predialysis Serum Sodium Level Modifies the Effect of Hemodialysis Frequency on Left-Ventricular Mass: The Frequent Hemodialysis Network Trials
Notice bibliographique
Résumé
INTRODUCTION: The Frequent Hemodialysis Network (FHN) Daily and Nocturnal trials aimed to compare the effects of hemodialysis (HD) given 6 versus 3 times per week. More frequent in-center HD significantly reduced left-ventricular mass (LVM), with more pronounced effects in patients with low urine volumes. In this study, we aimed to explore another potential effect modifier: the predialysis serum sodium (SNa) and related proxies of plasma tonicity. METHODS: Using data from the FHN Daily and Nocturnal Trials, we compared the effects of frequent HD on LVM among patients stratified by SNa, dialysate-to-predialysis serum-sodium gradient (GNa), systolic and diastolic blood pressure, time-integrated sodium-adjusted fluid load (TIFL), and extracellular fluid volume estimated by bioelectrical impedance analysis. RESULTS: In 197 enrolled subjects in the FHN Daily Trial, the treatment effect of frequent HD on ∆LVM was modified by SNa. When the FHN Daily Trial participants are divided into lower and higher predialysis SNa groups (less and greater than 138 mEq/L), the LVM reduction in the lower group was substantially higher (-28.0 [95% CI -40.5 to -15.4] g) than in the higher predialysis SNa group (-2.0 [95% CI -15.5 to 11.5] g). Accounting for GNa, TIFL also showed more pronounced effects among patients with higher GNa or higher TIFL. Results in the Nocturnal Trial were similar in direction and magnitude but did not reach statistical significance. DISCUSSION/CONCLUSION: In the FHN Daily Trial, the favorable effects of frequent HD on left-ventricular hypertrophy were more pronounced among patients with lower predialysis SNa and higher GNa and TIFL. Whether these metrics can be used to identify patients most likely to benefit from frequent HD or other dialytic or nondialytic interventions remains to be determined. Prospective, adequately powered studies studying the effect of GNa reduction on mortality and hospitalization are needed.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».