Supplementary Material for: Literature Review of the Efficacy of High-Volume Hemofiltration in Critically Ill Pediatric Patients
Notice bibliographique
Résumé
Background: Pediatric sepsis is a significant public health issue. This condition is exacerbated by rising serum creatinine and inflammatory cytokines that lead to deleterious effects upon the body. The current standard of care involves the use of continuous kidney replacement therapy to remove harmful cytokines until the body returns to homeostasis. In order to promote faster clearance and reduced stay in the ICU, high-volume hemofiltration (HVHF) has shown promise. However, there is a paucity of studies to fully elucidate its benefits. Methods: A literature search was done using PubMed/ MEDLINE and Embase. The literature was reviewed by two independent reviewers, who independently assessed the quality of randomized controlled trials by using the Cochrane risk of bias tool for RCTs and Newcastle-Ottawa Scale (NOS) for assessing the quality of nonrandomized controlled trials. Data were combined from studies with a similar design. Results: The primary endpoint of all-cause mortality was found to be reduced by 40% across all of the pooled studies. For secondary endpoints, significant reductions of serum creatinine were found. Additionally, duration of ICU stays and treatment course was found to be significantly shorter in HVHF patients than the current standard of care. The rate of adverse effects was analyzed, and there was no difference in the proportion of patients developing hypokalemia, hyperkalemia, hypernatremia, or hyponatremia. The proportion of patients developing hyperglycemia was higher in patients undergoing HVHF, whereas the proportions of patients developing bleeding were significantly less in patients undergoing HVHF. One study reported a total number of adverse events between the two groups which were significantly lesser in patients undergoing HVHF. Conclusion: HVHF shows promise as a modality to treat pediatric patients with sepsis. In order to confirm the benefits of this modality, future studies need significantly more patients for analysis.
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 | 0,003 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,321 | 0,021 |
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 ».