Toxic‐metabolic Risk Factors in Pediatric Pancreatitis
Notice bibliographique
Résumé
Pancreatitis in children can result from metabolic and toxic risk factors, but the evidence linking these factors is sparse. We review the evidence for association or causality of these risk factors in pancreatitis, discuss management strategies, and their rationale. We conducted a review of the pediatric pancreatitis literature with respect to the following risk factors: hyperlipidemia, hypercalcemia, chronic renal failure, smoking exposure, alcohol, and medications. Areas of additional research were identified. Hypertriglyceridemia of 1000 mg/dL or greater poses an absolute risk for pancreatitis; persistent elevations of calcium are predisposing. Further research is necessary to determine whether end-stage renal disease leads to increased pancreatitis in children similar to adults. It is unknown whether cigarette smoking exposure, which clearly increases risk in adults, also increases risk in children. The role of alcohol in pediatric pancreatitis, whether direct or modifying, needs to be elucidated. The evidence supporting most cases of medication-induced pancreatitis is poor. Drug structure, improper handling of drug by host, and bystander status may be implicated. Other pancreatitis risk factors must be sought in all cases. The quality of evidence supporting causative role of various toxic and metabolic factors in pediatric pancreatitis is variable. Careful phenotyping is essential, including search for other etiologic risk factors. Directed therapy includes correction/removal of any agent identified, and general supportive measures. Further research is necessary to improve our understanding of these pancreatitis risk factors in children.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».