Use of Bioimpedance Techniques in Patients With CKD: A Meta-Analysis
Notice bibliographique
Résumé
Background: Bioimpedance technologies are increasingly used to determine extracellular volume status in patients with chronic kidney disease (CKD). We aimed to determine if this technology improves clinical outcomes as compared to usual care. Methods: We performed a systematic review and meta-analysis of trials comparing fluid management guided by Body-Composition Monitoring or Bioimpedance analysis to standard care in patients with CKD, including patients on dialysis. Our primary outcome was all-cause mortality. Secondary outcomes included blood pressure (BP) control, all-cause hospitalization, major adverse cardiovascular events (MACE), change in left ventricular mass index (LVMi), and residual renal function. The relative risk (RR) or Hedges' g standardized mean difference (SMD) were estimated using a random-effects model. Results: Our search identified 819 citations of which 12 randomized-controlled trials (RCTs) and one observational study were included (2670 patients with 1046 on peritoneal dialysis). No studies of non-dialysis dependent CKD patients met inclusion criteria. Mean age was 56 years and mean follow up was one year. There was no difference in all-cause mortality between the bioimpedance and the standard of care arms (RR 0.72, 95% confidence interval [CI] 0.47-1.11). Better diastolic BP control was observed in the bioimpedance arm of RCTs (SMD -0.18, 95% CI -0.34 to -0.02). No difference was observed between the two arms for MACE (RR 0.73, 95% CI 0.49-1.10) or LVMi (SMD -0.17, 95% CI -0.39 to 0.05). All-cause hospitalizations were not significantly different between the two groups (RR 1.08, 95% CI 0.92-1.26). Residual renal function could not be assessed. Conclusions: Amongst patients on dialysis, bioimpedance-guided volume management showed improved diastolic BP control but no significant difference in allcause mortality, MACE, and LVMi. Moreover, our study identified a knowledge gap in the use of this technology in non-dialysis dependent CKD patients and the possible effect it may have on clinical outcomes in this population.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,049 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 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 ».