Decreased bone mineral density in the pediatric renal transplant population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
All renal transplant recipients at our centre have had bone mineral density assessment (BMD) by DEXA scans of their lumbar spine while on the transplant waitlist and at 6-month intervals post-transplant over the past 7 yr. Risk factors for osteopenia and osteoporosis including donor source, dialysis status prior to transplantation, prior renal disease, and biopsy confirmed rejection events and their relationship to BMD of the lumbar spine were assessed. Thirty-nine children transplanted over the past 7 yr were included in this study. In total, 127 BMD longitudinal assessments were performed. From 1990 to 1997, ATG/ALG was used as antibody induction therapy. From 1997 to 2002, Basiliximab was utilized. Cyclosporin A (CyA) was the primary immunosuppressant for most children with tacrolimus as primary (n = 2) and switch for CyA failure or toxicity (n = 16). Prednisone was administered at a dose of 1 mg/kg/day for the first week and tapered to 10 mg/m2/alternate day by 1 month post-transplant. Azathioprine 1.5 mg/kg/day was continued for 1 yr and discontinued in children who were rejection free. All rejections were biopsy confirmed and treated with a prednisone pulse. Using a repeated measures regression analysis, we have found that L1-L4 BMD z score is affected by height and transplant number. It is also related to time relative to transplant in a quadratic fashion. There was an inverse relationship between advancing patient age and L1-L4 BMD z score. L1-L4 BMD z score was not related to weight, pre-existing renal disease, gender, donor source, type of renal replacement therapy prior to transplantation, or rejection events.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle