Qatari Foreign Policy, Al-Jazeera, and Revolution in the Middle East and North Africa
Notice bibliographique
Résumé
<b>Background:</b> Volume overload is common in end stage kidney disease (ESKD) and dialysis patients. Hence, the need for objective tools to detect such volume excess. Point of care ultrasound (POCUS) is a goal-directed, bedside examination to answer such a specific diagnostic question. <b>Methods:</b> One hundred Iraqi adult hemodialysis patients were recruited from February 1 to May 31, 2022. Primary clinical, dialysis data, and prescriptions were recorded. A nephrologist performed a POCUS examination after the last dialysis session of the week. In addition, an ultrasound examination of the chest was performed to detect B-lines and pleural effusion. Caval parameters included inferior vena cava (IVC) diameter and collapsibility index. <b>Results:</b> The mean age of the study group was 51.48 ± 14.6 years, with 53% males. The mean interdialytic weight gain was 2.74 ± 1.15 Kg. Lower limb edema and pleural effusion were present in 33% and 27%, respectively. Forty-seven percent of patients had >3 B-lines on lung ultrasound with a range of 12. Forty-three percent of patients had an IVC diameter of >2 cm, and 93% had <50% IVC collapsibility. In total, 97% of patients had evidence of excess volume by ultrasound criteria. IVC collapsibility index was the most prevalent sign of excess volume (93%). Patients without lower limb edema and pleural effusion had positive B-lines in 38.8% and 38.3%, an IVC diameter >2 cm in 46.2% and 38.3%, and IVC collapsibility <50% in 89.5% and 95.8% respectively. <b>Conclusion:</b> Iraqi maintenance hemodialysis patients are volume overloaded, which warrants proper intervention for detection and dialysis management. POCUS is a useful and easily performed technique to assess the volume status.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».