Hemodiyaliz ve Periton Diyalizi Tedavisi Alan Hastalarda Uzun Dönemde Gelişen Kognitif ve Fiziksel Bozukluklar.
Bibliographic record
Abstract
Giriş: Diyaliz hastalarında uzun dönemde gelişen kognitif ve fiziksel fonksiyonlardaki gerileme yaşam kalitesinde bozulma ve artmış mortalite ile ilişkilidir. Bu çalışmada hemodiyaliz ve periton diyalizi tedavisi alan hastalarda kognitif ve fiziksel bozuklukları belirleyerek karşılaştırmayı hedefledik. Yöntemler: Çalışmamıza 20 periton diyalizi (PD) ve 24 hemodiyaliz (HD) hastası dahil edildi. Hastaların kognitif bozukluklarını değerlendirmek için MoCA (Montreal Kognitif Değerlendirme) ve MMSE (Mini Mental Durum Değerlendirme) testleri, fiziksel bozuklukları değerlendirmek için Lawton ve Brody EGYA(Enstrümental Günlük Yaşam Aktivitesi) ile Katz GYA (Günlük Yaşam Aktivitesi) testleri kullanılmıştır. Hastaların medikal özgeçmişi, kronik hastalıkları, diyalize başlama tarihleri sorgulandı. Laboratuvar verileri kaydedildi. Bulgular:HD tedavisi alan hastalar daha yaşlıydı (55.3±15.3 vs 48.2±10.1 yıl p=0.036). Grupların demografik ve laboratuvar verileri Tablo 1’de gösterilmiştir. PD hastalarının MoCA (21.9±6.0 vs 16.6±7.1, p=0,008).Lawton ve Brody EGYA (7.6±1.6 vs 6.4±2.4, p=0.025) ve Katz GYA(6.0±0.0 vs 5.5±1.0, p=0.018) skorları HD hastalarından yüksekti. Gruplarının kognitif ve fiziksel fonksiyonları Tablo 2’de karşılaştırılmıştır. Korelasyon analizinde yaş ile MoCA (r= -0.482, p= 0.001), MMSE (r= -0.462, p= 0.002) ve EGYA (r= -0.549, p= 0.001) arasında negatif korelasyon mevcuttu. Sonuç: Bu çalışmada her iki grupta da hastaların önemli bir kısmında kognitif ve fiziksel fonksiyonlarda bozulma mevcuttu. Ancak PD grubunda hastaların kognitif ve fiziksel fonksiyonlarının HD grubuna nazaran daha iyi korunduğunu gösterdik. İlerleyen dönemlerde diyaliz hastalarında gelişecek bu bozuklukların önlenmesi için hastaların yakından takip edilmesi gerekmektedir.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".