Terlipressin use and respiratory failure in patients with hepatorenal syndrome type 1 and severe <scp>acute‐on‐chronic</scp> liver failure
Notice bibliographique
Résumé
Summary Background Previous studies suggested increased mortality in patients with hepatorenal syndrome type 1 (HRS1) and advanced acute‐on‐chronic liver failure (ACLF). Aim To assess mortality and respiratory failure (RF) in patients with HRS1 and ACLF treated with terlipressin. Methods In the CONFIRM study, we randomised 299 patients with HRS1 2:1 to terlipressin or placebo, both with albumin. At enrolment, all patients were assessed for organ failure (OF) using a validated ACLF grading system. Post hoc analyses assessed the effects of terlipressin vs. placebo on the incidence of RF and 90‐day mortality. Results The incidence of RF with terlipressin ( n = 200) was 9.4% in patients with grades 1–2 ACLF, and 30% with grade 3 ACLF ( p = 0.0002); no such difference was observed in placebo‐treated patients ( n = 99) (6.2% grades 1–2 vs. 0% grade 3 ACLF, p > 0.05). RF incidence between terlipressin and placebo in patients with grade 3 ACLF was significant ( p = 0.01). Baseline predictors of RF with terlipressin were INR ( p = 0.011), mean arterial pressure ( p = 0.037), and SpO 2 ( p = 0.014). Prior albumin as a continuous variable was not a predictor of RF. 90‐day survival between terlipressin and placebo arms was similar for grades 1–2 ACLF (55.5% and 56.6%, respectively), but lower for grade 3 ACLF (27.55% vs. 50.0%) ( p = 0.122), mainly related to RF. Conclusion Terlipressin should be used with caution in patients with HRS1 and grade 3 ACLF. Patients with hypoxaemia are at increased risk of RF and mortality.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».