MétaCan
Menu
Retour à la cohorte
Enregistrement W1921481737 · doi:10.2147/tcrm.s7776

Role of teriparatide in treatment of glucocorticoid-induced osteoporosis

2010· article· en· W1921481737 sur OpenAlexaff
Rick Adachi, Arthur Lau

Notice bibliographique

RevueTherapeutics and Clinical Risk Management · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and treatments
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésTeriparatideMedicineOsteoporosisInternal medicineBone mineralGlucocorticoidEndocrinologyRheumatology

Résumé

récupéré en direct d'OpenAlex

Glucocorticoids are commonly used in various fields within medicine. One of their most common and clinically significant side effects is glucocorticoid-induced osteoporosis (GIOP). GIOP is a disease leading to progressive decreases in bone mineral density, decreased bone strength, and increased risk of skeletal fractures. GIOP has a significant impact on the morbidity and health-related quality of life of the patients it affects. Glucocorticoids have deleterious effects on bone through promoting osteoblast apoptosis and inhibiting osteoblastogenesis. Teriparatide exerts anabolic effects on bone, so it is understandable why teriparatide is thought to be a rational treatment option. Clinical studies have indicated teriparatide is efficacious in the treatment of GIOP to improve bone mineral density values at the lumbar spine and femoral neck. Some evidence also suggests teriparatide may reduce rates of vertebral fractures in GIOP patients. Overall, this review of the current clinical evidence suggests teriparatide may be an efficacious and promising agent in the treatment of GIOP.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,452
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,383
Écart entre enseignants0,340 · 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 tête enseignante, 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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutics and Clinical Risk ManagementMême sujetBone health and treatmentsTravaux en français237 207