High Prevalence of Hyperparathyroidism among Peritoneal Dialysis Patients: A Review of 176 Patients
Notice bibliographique
Résumé
OBJECTIVES: Parathyroid dysfunction continues to produce significant morbidity in dialysis patients. Since the introduction of low calcium dialysate for peritoneal dialysis (PD), no large studies have been done to determine the prevalence of parathyroid dysfunction in these patients. This study was done to assess the prevalence of parathyroid disease in the PD population and to determine the risk factors associated with this dysfunction. DESIGN: We analyzed data on 176 patients who received PD at a single center between August 1998 and February 1999. Clinical data, laboratory variables related to parathyroid function, and data pertaining to dialysis treatment and weekly drug dosing were obtained for each patient on two different occasions, approximately 3 months apart. Variables predictive of the development of parathyroid dysfunction were calculated by univariate and multivariate logistic regression analysis. RESULTS: Two-thirds of the patients surveyed had an abnormal intact parathyroid hormone (iPTH) level: 47% had an iPTH level more than three times normal, the mean was 54.6+/-35.4 pmol/L; 23% had an iPTH value below the upper limit of normal, here the mean was 3.6+/-1.8 pmol/L. Diabetic patients had lower iPTH levels (22.2+/-28.4 pmol/L) than nondiabetics (33.9+/-34.8 pmol/L) (p = 0.02). On multivariate regression analysis, we found that age, duration of dialysis, Kt/V, serum bicarbonate, and serum ionized calcium levels did not significantly affect parathyroid function. Hyperphosphatemia was the only factor that was associated with the development of secondary hyperparathyroidism in this study population (p = 0.029). CONCLUSION: There is a high prevalence of hyperparathyroidism in the current PD population. Phosphate control is suboptimal and hyperphosphatemia is an independent risk factor for the development of hyperparathyroidism.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».