MétaCan
Menu
← Retour à la cohorte
Enregistrement W6939984923 · doi:10.6084/m9.figshare.c.7605762.v1

Association of continuous renal replacement therapy downtime with fluid balance gap and clinical outcomes: a retrospective cohort analysis utilizing EHR and machine data

2025· other· en· W6939984923 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2025
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésDowntimeRenal replacement therapyRetrospective cohort studyLogistic regressionCohortHemodialysisIntensive care unit

Résumé

récupéré en direct d'OpenAlex

Abstract Background Fluid balance gap (FBgap—prescribed vs. achieved) is associated with hospital mortality. Downtime is an important quality indicator for the delivery of continuous renal replacement therapy (CRRT). We examined the association of CRRT downtime with FBgap and clinical outcomes including mortality. Methods This is a retrospective cohort study of critically ill adults receiving CRRT utilizing both electronic health records (EHR) and CRRT machine data. FBgap was calculated as achieved minus prescribed fluid balance. Downtime, or percent treatment time loss (%TTL), was defined as CRRT downtime in relation to the total CRRT time. Data collection stopped upon transition to intermittent hemodialysis when applicable. Linear and logistic regression models were used to analyze the association of %TTL with FBgap and hospital mortality, respectively. Covariates included demographics, Sequential Organ Failure Assessment (SOFA) score at CRRT initiation, use of organ support devices, and the interaction between %TTL and machine alarms. Results We included 3630 CRRT patient-days from 500 patients with a median age of 59.5 years (IQR 50–67). Patients had a median SOFA score at CRRT initiation of 13 (IQR 10–16). Median %TTL was 8.1% (IQR 4.3–12.5) and median FBgap was 17.4 mL/kg/day (IQR 8.2–30.4). In adjusted models, there was a significant positive relationship between FBgap and %TTL only in the subgroup with higher alarm frequency (6 + alarms per CRRT-day) (β = 0.87 per 1% increase, 95%CI 0.48–1.26). No association was found in the subgroups with lower alarm frequency (0–2 and 3–5 alarms). There was no statistical evidence for an association between %TTL and hospital mortality in the adjusted model with the interaction term of alarm frequency. Conclusions In critically ill adult patients undergoing CRRT, %TTL was associated with FBgap only in the subgroup with higher alarm frequency, but not in the other subgroups with lower alarms. No association between %TTL and mortality was observed. More frequent alarms, possibly indicating unexpected downtime, may suggest compromised CRRT delivery and could negatively impact FBgap.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,037
Tête enseignante GPT0,286
Écart entre enseignants0,248 · 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 revueFigshare→Même sujetMycorrhizal Fungi and Plant Interactions→Travaux en français237 207→