Switch from calcitriol to paricalcitol in secondary hyperparathyroidism of hemodialysis patients: Responsiveness is related to parathyroid gland size
Notice bibliographique
Résumé
Paricalcitol is more effective than calcitriol in hemodialysis patients (HD) with secondary hyperparathyroidism (SHPT), but it is not effective in some of them. We have investigated the relationship between paricalcitol responsiveness and parathyroid gland (PTG) size. Thirty HD with SHPT treated previously with calcitriol for at least 6 months were switched to paricalcitol (1:4 conversion ratio). Parathyroid gland number and size (maximum longitudinal diameter [MLD] of largest PTG) was measured by ultrasonography. Patients were divided into 2 groups: group A (MLD ≤9.0 mm [17 HD]); and group B (MLD >9.0 mm [13 HD]). They were defined responder if both the last 2 monthly determinations of inhibit parathyroid hormone (iPTH) were within the target (<300 pg/mL) according to National Kidney Foundation Kidney Disease Outcomes Quality Initiative recommendations. Twenty-six and 20 HD completed 6-month and 12-month paricalcitol therapy, respectively. After 6 months of paricalcitol treatment, 23.5% HD of group A and 7.7% of group B were responders. At 12 months, 41.2 % of group A and 7.7% of group B were responders. Throughout paricalcitol therapy, serum calcium and phosphorus concentrations slightly increased in all HD but more significantly in group B. The baseline iPTH and MLD of the largest PTG were significantly correlated with final iPTH levels. Paricalcitol is more effective than calcitriol in SHPT, but the responsiveness to paricalcitol and hypercalcemia are related to PTG size. The measurement of MLD by ultrasonography may be useful for predicting responsiveness to paricalcitol, avoiding an unnecessary and expensive therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».