Diuretic combinations in critically ill patients with respiratory failure: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: In patients with respiratory failure, loop diuretics remain the cornerstone of the treatment to maintain fluid balance, but resistance is common. AIM: To determine the efficacy and safety of common diuretic combinations in critically ill patients with respiratory failure. METHODS: We searched MEDLINE, Embase, Cochrane Library and PROSPERO for studies reporting the effects of a combination of a loop diuretic with another class of diuretic. A meta-analysis using mean differences (MD) with 95% confidence interval (CI) was performed for the 24-h fluid balance (primary outcome) and the 24-h urine output, while descriptive statistics were used for safety events. RESULTS: Nine studies totalling 440 patients from a total of 6510 citations were included. When compared to loop diuretics alone, the addition of a second diuretic is associated with an improved negative fluid balance at 24 h [MD: -1.06 L (95%CI: -1.46; -0.65)], driven by the combination of a thiazide plus furosemide [MD: -1.25 L (95%CI: -1.68; -0.82)], while no difference was observed with the combination of a loop-diuretic plus acetazolamide [MD: -0.40 L (95%CI: -0.96; 0.16)] or spironolactone [MD: -0.65 L (95%CI: -1.66; 0.36)]. Heterogeneity was high and the report of clinical and safety endpoints varied across studies. CONCLUSION: Based on limited evidence, the addition of a second diuretic to a loop diuretic may promote diuresis and negative fluid balance in patients with respiratory failure, but only when using a thiazide. Further larger trials to evaluate the safety and efficacy of such interventions in patients with respiratory failure are required.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,002 |
| 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 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 ».