MétaCan
Menu
Retour à la cohorte
Enregistrement W4413674160 · doi:10.1111/hdi.70020

Progress in Diagnosis and Treatment of Limb Pain in Hemodialysis Patients With an Arteriovenous Fistula

2025· article· en· W4413674160 sur OpenAlexvenueno aff
Cuiping Yuan, Lili Yin, Jiguang Song, Lina Ding, Yufei Yuan, Xianglei Kong

Notice bibliographique

RevueHemodialysis International · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePeripheral Nerve Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSurgeryArteriovenous fistulaHemodialysisCarpal tunnel syndromeComplex regional pain syndromeAxillary arteryDialysisStenosisRadiology

Résumé

récupéré en direct d'OpenAlex

In hemodialysis patients being dialyzed using an arteriovenous fistula, limb pain is a common problem with multifactorial etiologies, including puncture pain, dialysis access-associated ischemic steal syndrome, ischemic monomelic neuropathy, carpal tunnel syndrome, complex regional pain syndrome, and axillary artery dissection. The common causes of limb pain related to vascular access include direct puncture pain, vascular complications (such as stenosis, thrombosis, aneurysm), and nerve injury. The puncture pain related to dialysis access can be alleviated by local anesthetics (such as lidocaine gel), cryotherapy, and advanced catheter techniques (such as button hole method). The ischemic steal syndrome related to dialysis access requires surgical intervention. Common surgical methods include ligation or vascular reconstruction. Emergency ligation of the fistula is a common surgical approach for ischemic single nerve lesion. For carpal tunnel syndrome, surgical release or wearing a brace is needed to improve the condition. For complex regional pain syndrome, multimodal analgesia and sympathetic nerve block are required. The main treatment method for axillary artery dissection is vascular stent implantation. Early detection, early diagnosis, and early treatment are crucial for maintaining vascular access function and improving patient prognosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,271
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHemodialysis InternationalMême sujetPeripheral Nerve DisordersTravaux en français237 207