Achievement of fluid removal targets during intermittent renal replacement therapy in the intensive care unit
Notice bibliographique
Résumé
ABSTRACT Background In patients with acute kidney injury (AKI), fluid balance management often relies on the prescription and achievement of fluid removal using intermittent renal replacement therapy (IRRT). This study aimed to describe characteristics associated with the failure to achieve target fluid removal (FATFR). Methods This is a retrospective cohort study including IRRT sessions of conventional duration (<5 hours) performed for AKI in the intensive care unit (ICU) from 2017 to 2022 at a tertiary academic center. FATFR-50% was defined as fluid removal of <50% of the prescribed target. Characteristics of patients and sessions, as well as outcomes at 90 days were collected. The causes of FATFR were manually adjudicated. Results A total of 291 patients and 1280 IRRT sessions in the ICU were included. FATFR-50% occurred in 7.3% of sessions and 19.2% of patients had at least one session with FATFR-50% during the first week of IRRT. Sessions with FATFR-50% were characterized by a higher occurrence of intradialytic hypotension (24.2% vs 60.2%, P < .001) and a higher planned fluid removal (6.19 vs 5.27 m/kg/h, P = .02). Multiple episodes of FATFR-50% were associated with a positive cumulative fluid balance (β 3876 (CI 2053–5899) P < .001). At 90-day follow-up, FATFR-50% during the first week after IRRT initiation was independently associated with fewer ICU- and hospital-free days, as well as with a higher risk of mortality (odds ratio 2.01 CI 1.04–3.89, P = .04). Conclusions FATFR occurs in about one out of five critically ill patients within the first week of IRRT and is associated with adverse clinical outcomes.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».