Renal status of children with sickle cell disease in Accra, Ghana.
Notice bibliographique
Résumé
INTRODUCTION: In West Africa, the prevalence of sickle cell disease (SCD) is 2%. The disease adversely affects growth, development and organ function including the kidneys. There is however a dearth of information about the renal status of SCD children in Ghana. OBJECTIVES: To assess the renal status of children with SCD in steady state. DESIGN: A cross-sectional case-control study. SETTING: Paediatric Sickle Cell Clinic, Korle Bu Teaching Hospital, Accra. PARTICIPANTS: Cases-357 SCD cases and 70 of their HbAA siblings as controls. METHODS: Documentation of their socio-demographic data, clinical data and dipstick urinalysis findings, and renal ultrasonography on selected participants. RESULTS: The mean [SD] age was 7.18 [3.15]yrs for cases and 5.16[3.28]yrs for controls. The genotypes were Hb SS (76.7%), Hb SC (21.8 %), and Hb Sβthal (1.4%). Urinalysis showed leucocyturia in 12.6% versus 5.7% (χ2=62.5 and the p=0.000)), isolated proteinuria in 2.8% versus 1.43% (χ2=10.01 and p=0.001) haematuria in 2.6% versus 0% (χ2=9.233, p=0.002) and nitrites in 2.2% versus 1.4% (χ2=16.3,p=0.02) of cases and controls respectively. The youngest SCD case with proteinuria was 2 yrs. old. Proteinuria prevalence increased with age, , occurring in 5.7% of cases aged 9-11yrs. and 20.6% of cases aged 12 yrs. Two-thirds of the proteinuria cases were aged 9-12 yrs., of whom 50% were aged 12 yrs. Renal ultrasound findings were normal in all those examined. CONCLUSION: Urinary abnormalities suggesting nephropathy occur early in SCD patients in Ghana. Routine dipstick screening at clinic visits countrywide would help early detection and prompt intervention to limit renal impairment.
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 ».