Fluid Management for Critically Ill Patients with Acute Kidney Injury Receiving Kidney Replacement Therapy
Notice bibliographique
Résumé
BACKGROUND: In critically ill patients receiving KRT, high ultrafiltration rates and persistent fluid accumulation are associated with adverse outcomes. The purpose of this international survey was to evaluate current practices and evidence gaps related to fluid removal with KRT in critically ill patients. METHODS: This was a multinational, web-based survey distributed by seven networks comprising nephrologists and intensivists. Physicians involved in the care of critically ill patients were invited to complete a 39-question survey about fluid management practices on KRT. The survey was distributed from September 2021 to December 2021. RESULTS: There were 757 respondents from 96 countries (response rate of 65%). Most respondents practiced adult medicine (89%) and worked in an academic center (69%). The majority (91%) reported aiming for a 0.5- to 2-L negative fluid balance per day when fluid removal is indicated, although there was important variability in what respondents considered a safe maximal target. Intensivists were more likely than nephrologists to use adjunct volume status assessment methods ( i.e. , ultrasound, hemodynamic markers, and intra-abdominal pressure), while nephrologists were more likely to deploy cointerventions aimed at improving tolerance to fluid removal ( i.e. , osmotic agents and low-temperature dialysate). There was a broad consensus that rapid decongestion should be prioritized when fluid accumulation is present, but the prevention of hypotension was also reported as a competing priority. A majority (77%) agreed that performing trials that compare fluid management strategies would be ethical and clinically relevant. CONCLUSIONS: We have identified multiple areas of variability in current practice of fluid management for patients receiving KRT. Most nephrologists and intensivists agreed that several knowledge gaps related to fluid removal strategies should be investigated in future randomized controlled trials.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».