The Accuracy of the Passive Leg Raising Test Using the Perfusion Index to Identify Preload Responsiveness—A Single Center Study in a Resource-Limited Setting
Notice bibliographique
Résumé
Background: We investigated the accuracy of predicting preload responsiveness by means of a passive leg raising test (PLR) using the perfusion index (PI) in critically ill patients showing signs of hypoperfusion in a resource-limited setting. Methods: We carried out a prospective observational single center study in patients admitted for sepsis or severe malaria with signs of hypoperfusion in Chattogram, Bangladesh. A PLR was performed at baseline, and at 6, 24, 48, and 72 h. Preload responsiveness assessed through PI was compared to preload responsiveness assessed through cardiac index (CI change ≥5%), as reference test. The primary endpoint was the accuracy of preload responsiveness prediction of PLR using PI at baseline; secondary endpoints were the accuracies at 6, 24, 48, and 72 h. Receiver operating characteristic (ROC) curves were constructed. Results: The study included 34 patients admitted for sepsis with signs of hypoperfusion and 10 patients admitted for severe malaria. Of 168 PLR tests performed, 143 had reliable PI measurements (85%). The best identified PI change cutoff to discriminate responders from non–responders was 9.7%. The accuracy of PLR using PI in discriminating a preload responsive patient at baseline was good (area under the ROC 0.87 95% CI 0.75–0.99). The test showed high sensitivity and negative predictive value, with comparably lower specificity and positive predictive value. Compared to baseline, the AUROC of PLR using PI was lower at 6, 24, 48, and 72 h. Restricting the analysis to sepsis patients did not change the findings. Conclusions: In patients with sepsis or severe malaria and signs of hypoperfusion, changes in PI after a PLR test detected preload responsiveness. The diagnostic accuracy was better when PI changes were measured at baseline.
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 | 0,001 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».