Risk evaluation of metformin use in patients with kidney injury.
Bibliographic record
Abstract
Introdução: Num cenário em que a prevalência de diabetes está em crescendo a metformina tem um papel importante no controlo da doença. A reação adversa mais temida é a acidose lática, uma complicação rara, mas que apresenta mau prognóstico. Este estudo pretende relatar os casos de acidose lática associada à metformina (MALA) verificados no Centro Hospitalar Universitário de São João (CHUSJ) com avaliação pelo serviço de nefrologia. Métodos: Todos os casos de MALA admitidos no nosso centro terciário com avaliação pelo departamento de nefrologia verificados no período de 2017 a 2019 foram incluídos. Foram colhidos dados referentes ao contexto clínico, análises laboratoriais e evolução clínica. Resultados: Foram identificados 10 pacientes com diagnóstico de MALA e verificamos apenas 1 morte não diretamente associada a esta entidade. Na avaliação inicial os pacientes apresentavam-se com pH no sangue arterial de 7.07 ± 0.14 e níveis de lactato de 9.67 ± 4.09. Não foi identificada qualquer associação entre a duração do internamento e o ph, creatinina plasmática ou lactato à admissão. Conclusão: O diagnóstico de MALA e a influência da metformina na acidose lática permanece não completamente esclarecida. O nosso estudo revelou uma taxa de mortalidade inferior ao relatado anteriormente. Até à data não foram encontrados preditores de mortalidade fiáveis. São necessários mais estudos com vista à avaliação da utilidade do doseamento de metformina e para estudar a verdadeira influência deste fármaco no desenvolvimento de acidose lática.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".