Fluid balance and clinical outcomes in patients with aortic dissection: a retrospective case-control study based on ICU databases
Notice bibliographique
Résumé
OBJECTIVES: Aortic dissection (AD) is a life-threatening condition that requires intensive care and management. This paper explores the role of fluid management in the clinical care of AD patients, which has been unclear despite the substantial existing research that has been conducted on the treatment of AD. DESIGN: A retrospective case-control study using data for AD patients from public databases. SETTING: Two public intensive care unit (ICU) databases with hospital courses from the USA, Medical Information Mart for Intensive Care (MIMIC)-IV critical care dataset and the eICU Collaborative Research Database, with data from 2008 to 2019. PARTICIPANTS: A total of 751 adult AD patients with detailed fluid management records from two databases were included. INTERVENTIONS: The mean 24-hour intake and output were calculated by dividing the total amount of intake and output by the number of days in the ICU, respectively. The mean 24-hour fluid balance was generated by subtracting the output from the intake. OUTCOME MEASURES: The relationship between the mean 24-hour fluid management and all-cause in-hospital death was assessed through univariate and multivariable regression analyses. RESULTS: A positive correlation was found between mean 24-hour fluid intake and in-hospital mortality among AD patients (OR 1.029, 95% CI (1.018, 1.041), p<0.001), whereas a negative correlation was revealed between mean 24-hour fluid output and in-hospital mortality (OR 0.941, 95% CI (0.914, 0.968), p<0.001). A similar result was found for mean 24-hour fluid balance (OR 1.030, 95% CI (1.019, 1.042), p<0.001), and the cut-off was selected to be 5.12 dL (AUC=0.778, OR 3.066, 95% CI (1.634, 5.753), p<0.001). CONCLUSIONS: This study stresses the importance of fluid balance in the clinical care of AD patients and provides new insights for optimising fluid management and monitoring strategies beyond the conventional focus on blood pressure and heart rate management.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».