How much furosemide should be administered to prevent transfusion‐associated circulatory overload? Results of a dose‐finding study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Transfusion-associated circulatory overload (TACO) is a common and life-threatening transfusion complication. Because of uncertainty regarding dosing, pre-transfusion furosemide prophylaxis is not widely endorsed. The aim of this study was to generate a furosemide dose-response curve in TACO-susceptible patients using the multiple comparisons procedure and modelling (MCP-Mod) methodology. MATERIALS AND METHODS: and diuretic therapy administered within 24 h or albumin administered within 8 h. The primary outcome measure was 6-h urine output post furosemide administration. After incorporation of age, sex, chronic diuretic use, mean arterial pressure, GFR and serum albumin as covariates of diuretic response, MCP-Mod was applied after every 50th enrolment until a weight-adjusted dose-response curve was identified with 100 mL precision. RESULTS: One-hundred forty-nine patients were enrolled. Urine output varied widely at each furosemide dose. Because of the presence of outliers and a paucity of patients receiving higher doses, only those receiving doses up to 0.6 mg/kg (n = 132) were included. After incorporating covariates, linear-log was identified as the best fitting model. Application of this formula revealed that, depending upon patient characteristics, 10-40 mg of furosemide IV would be required to achieve a diuresis volume of 400 mL, which is sufficient to offset 1 red blood cell unit. CONCLUSION: We report a novel furosemide dose-response model for TACO-susceptible patients. Once validated, this model will guide furosemide dosing for a planned controlled trial evaluating furosemide for TACO prevention.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».