MétaCan
Menu
Retour à la cohorte
Enregistrement W2100953078

Use of Bisphosphonates in Chronic Kidney Disease

2012· article· en· W2100953078 sur OpenAlexvenueno aff
Bilgin Özmen

Notice bibliographique

RevueWorld Journal of Nephrology and Urology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney diseaseOsteoporosisUrologyStage (stratigraphy)Osteonecrosis of the jawInternal medicineIntensive care medicineBone diseaseBisphosphonate
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The primary goal of treatment for post-menopausal osteoporosis (PMO) is reduction in fracture risk. Therefore, bisphosphonates (BF) are the most commonly used drugs for the treatment of osteoporosis. Because of their urinary elimination, bisphosphonates must be carefully administered in chronic kidney disease (CKD) patients. Renal toxicity seems different among these compounds, and it is basically due to their protein binding and the average lifespan of renal tissues. In practice, renal toxicity has been associated with infusion speed and excessive dosage. Treatment decisions are more difficult with stage 4 and especially stage 5 CKD who had fragility fractures. In spite of this, bisphosphonates can safely be used at stage to 1 - 3 CKD stages, haemodialysis and after the kidney transplant.   When bisphosphonates are given stage 4 CKD patients it seems reasonable to reduce the dose to 50%. There are few data on the efficacy (reduction in fracture risk) or safety of any BF in patients with stage 5 CKD.  doi:10.4021/wjnu5e

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 enseignants0,137
Score d'incertitude au seuil0,284

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 Opus0,024
Tête enseignante GPT0,292
Écart entre enseignants0,268 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Nephrology and UrologyMême sujetBone health and treatmentsTravaux en français237 207