MELD score, insulin-like growth factor 1 and cytokines on bone density in end-stage liver disease
Notice bibliographique
Résumé
AIM: To determine the contributions of insulin-like growth factor 1 (IGF-1), cytokines and liver disease severity to bone mineral density in patients pre-transplantation. METHODS: Serum IGF-1, tumor necrosis factor-α (TNFα) and interleukin 6 (IL-6) were measured and the Model for End-Stage Liver Disease (MELD) score calculated in 121 adult patients referred to a single centre for liver transplantation. Bone mineral density (BMD) of the lumbar spine and femoral neck were assessed via dual energy X-ray absorptiometry. Demographics, liver disease etiology, medication use and relevant biochemistry were recorded. RESULTS: A total of 117 subjects were included, with low BMD seen in 68.6%, irrespective of disease etiology. In multivariable analysis, low body mass index (BMI), increased bone turnover and low IGF-1 were independent predictors of low spinal bone density. At the hip, BMI, IGF-1 and vitamin D status were predictive. Despite prevalent elevations of TNFα and IL-6, levels did not correlate with degree of bone loss. The MELD score failed to predict low BMD in this pre-transplant population. CONCLUSION: Osteopenia/osteoporosis is common in advanced liver disease. Low serum IGF-1 is weakly predictive but serum cytokine and MELD score fail to predict the severity of bone disease.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».