Toxic‐Metabolic Risk Factors Are Uncommon in Pediatric Chronic Pancreatitis
Notice bibliographique
Résumé
To the Editor: We appreciated the comments by Oracz et al (1) regarding their experience in childhood chronic pancreatitis (CP) and specifically toxic-metabolic risk factors. We previously reported toxic-metabolic factors only in 11% of children with CP in our INternational Study Group of Pediatric Pancreatitis: In Search For a CuRE cohort, similar to the frequency reported by Oracz et al (14%). (2) Genetic risk factors were the most common in our study, similar to other pediatric studies. (3–6) Medications, alcohol, smoking, chronic renal failure, hypercalcemia were uncommon in both cohorts (0%–4%), (1,2) but lipid disorders were much higher in the Polish cohort (7.2%) compared with ours (1% with hypertriglyceridemia). Because hypertriglyceridemia is associated with acute pancreatitis, acute recurrent pancreatitis, and possibly CP, (7,8) we recommend defining the lipid disturbances and specifically serum triglyceride levels in their cohort. Multiple risk factors may be found in children with CP, (2) therefore it would be of interest whether Polish children with CP and lipid disturbances had other risk factors including genetic mutations, obstructive/anatomical problems, or other toxic-metabolic risk factors. The study by Oracz et al, (2) along with our work, emphasizes that toxic-metabolic risk factors are relatively uncommon in childhood CP. In children, genetic risk factors predominate (2); in adults toxic-metabolic risk factors (mostly alcohol) (9) are most common. Studies on carefully phenotyped and longitudinally studied cohorts such as INternational Study Group of Pediatric Pancreatitis: In Search For a CuRE have the potential to shed light into the risk factors and pathogenesis of pediatric pancreatitis with improved diagnostics and therapeutics.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».