Volume Overload Assessed by Vector Impedance Analysis Is Associated with Poor Physical Function in Hemodialysis
Notice bibliographique
Résumé
Background: Loss of skeletal muscle mass in chronic kidney disease (CKD) is linked to reduced physical function (PF). While this is well established, the role of volume overload (VO) common in hemodialysis (HD) patients remains underexplored. Methods: A total of 52 HD patients were included. MS was assessed using hand dynamometry. PF was measured using the Short Physical Performance Battery (SPPB), with "low PF" defined as a score ≤ 8. BIVA was graphed according to PF and MS classification as normal or reduced. The comparison of BIVA between groups was performed using Hotelling's T test. In addition, multivariate logistic regression (MLR) was used to explore the association between VO, MS, and PF. Results: BIVA graphs showed that patients with reduced PF were outside the 95th percentile, indicating VO, while those with normal PF had adequate hydration status (p=0.000). Only men with reduced MS had VO (p=0.003) (Figure 1). In Model 1 of the MLR, VO, age, and MS were associated with low PF; however, in Model 2, MS and diabetes remained significant predictors of low PF, while VO lost statistical significance (Table 1). Conclusion: HD patients with reduced PF and MS exhibited higher VO. Although VO is associated with worse PF. Funding: Private Foundation SupportTable 1. Multivariate Logistic Regression Model: Association Between Volume Overload, Physical Function, and Muscle Strength in Hemodialysis Patients - Variables Poor Physical Function(SPPB < 8) Model 1 OR IC 95 % Sex (m o f) 0.398 0.039 4.060 Age (years) 0.917 0.847 0.993 VO (yes/no) 0.086 0.007 0.990 Muscle strength (good/poor) 1.292 1.045 1.597 Model 2 OR IC95% Sex (m o f) 0.478 0.027 8.607 Age (years) 0.939 0.846 1.042 VO (yes/no) 0.258 0.015 4.533 Muscle strength (good/poor) 1.703 1.131 2.565 Diabetes (yes/no) 0.007 0.000 0.460
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».