Weight and Height Changes and Factors Associated With Greater Weight and Height Gains After Pediatric Renal Transplantation: A NAPRTCS Study
Notice bibliographique
Résumé
BACKGROUND.: Obesity is a significant problem among children undergoing renal transplantation. We sought to describe changes in adiposity (reflected by percent difference from the median body mass index [BMI] for height-age and sex [BMI%]) after pediatric renal transplantation and to identify risk factors for greater gains in adiposity within 12 months of transplantation and for persistence of these gains at 48 months. The changes in height-for-age were also examined. METHODS.: By using the North American Pediatric Renal Trials and Collaborative Studies registry, we performed a retrospective cohort study of children (age 2-18 years.) transplanted between 1995 and 2006, and followed up to January 2007. Multivariable linear regression was used to identify risk factors for greater gains in adiposity and height. RESULTS.: BMI was recorded at baseline in 4326 children, and collected every 6 months. Median BMI% increased by 11.37 units within 6 months; no substantial changes were seen thereafter. The pattern of change in BMI% was similar regardless of BMI% at transplant. Age 6 to 12 years at transplant, more remote transplant, female sex, black race, Hispanic ethnicity, and lower baseline BMI% were associated with significantly greater gains in adiposity both within 12 months and persisting 48 months posttransplant. Compared with daily use, no corticosteroid use at 6 and 48 months were associated with smaller increases in BMI% within the first 12 months and at 48 months, respectively. CONCLUSIONS.: The majority of children experienced early increases in BMI%, which persisted up to 4 years. Increases in BMI% were similar regardless of BMI% at baseline.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».