The use of lung ultrasound in evaluation of extravascular lung water in hemodialysis patients: Systematic review and meta‐analysis
Notice bibliographique
Résumé
RATIONALE AND OBJECTIVES: Determining dry weight is crucial for optimizing hemodialysis, influencing efficacy, cardiovascular outcomes, and overall survival. Traditional clinical assessment methods for dry weight, relying on factors such as blood pressure and edema, frequently lack reliability. Lung ultrasound stands out as a promising tool for assessing volume status, given its non-invasiveness and reproducibility. This study aims to explore the role of Lung ultrasound in evaluating the impact of hemodialysis and ultrafiltration on extravascular lung water, with a specific focus on changes in B-lines post-hemodialysis compared to pre-hemodialysis. MATERIALS AND METHODS: The research encompassed searches across PubMed, WOS, and Scopus databases for studies related to lung ultrasound and hemodialysis. A meta-analysis was then performed to determine the mean differences in various parameters before compared to after, hemodialysis, including the number of B-lines, indexed end-inspiratory and end-expiratory inferior vena cava diameters, inferior vena cava collapsibility index, weight, blood pressure, and serum levels of NT-pro-BNP. RESULTS: Our meta-analysis, included 33 studies with 2301 hemodialysis patients, revealed a significant decrease in the number of B-lines post-hemodialysis (mean difference = 8.30, 95% CI [3.55 to 13.05]). Furthermore, there was a noteworthy reduction in inspiratory and expiratory inferior vena cava diameters post-hemodialysis (mean difference = 2.32, 95% CI [0.31 to 4.33]; mean difference = 4.05, 95% CI [2.44 to 5.65], respectively). Additionally, a significant positive correlation was observed between B-lines and the maximum inferior vena cava diameter both pre- and post-hemodialysis (correlation coefficient = 0.39; correlation coefficient = 0.32, respectively). CONCLUSION: These findings indicate the effectiveness of lung ultrasound in detection of volume overload and assessment of response to ultrafiltration in hemodialysis patients.
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 | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,029 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».