A Pilot Study on Dual-Energy Computed Tomography for Detection of Urate Deposits in Renal Transplant Patients With Asymptomatic Hyperuricemia
Notice bibliographique
Résumé
BACKGROUND: An increasing role of dual-energy computed tomography (DECT) scan in tophaceous gout assessment is recognized, whereas its role in asymptomatic hyperuricemia is unknown. OBJECTIVE: The objective of this study was to assess the prevalence of joint and renal monosodium urate deposits by DECT in asymptomatic hyperuricemia. METHODS: Among a renal transplant population with at least 1 year of follow-up, we included 27 patients with sustained hyperuricemia and 11 with normal serum uric acid (SUA) levels. We excluded patients with gout or history of monoarthritis or oligoarthritis. We registered demographic data, drugs, hyperuricemia onset, comorbidities, renal function, and SUA. We used a 128-slice dual-source CT system, and the acquisition protocol included the pelvis and imaging of elbows, wrists, hands, knees, ankles, and feet. The reading process was performed by 2 radiologists. RESULTS: The mean age was 43.7 ± 12 years, 57.8% were males, and median follow-up was 7 years. Hyperuricemia presented after a median time of 0.61 years after transplantation and had persisted for a median of 3.2 years (0.5-16.8 years). For the hyperuricemic group, the median SUA at the DECT scan and the maximum SUA levels were 7.9 and 8.9 mg/dL, respectively. Groups were similar in most of the clinical variables. We did not find any articular or renal deposit; conversely, we demonstrated a quadriceps tendon deposition in 1 patient with hyperuricemia (prevalence of 0.03%; 95% confidence interval, 0.006%-0.17%). CONCLUSIONS: In these patients with asymptomatic hyperuricemia, the prevalence of monosodium urate deposition assessed by DECT was low; however, larger studies need to be performed for further validation.
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 | 0,001 |
| 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 | 0,000 | 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 ».