Diagnosing and preventing iron overload
Notice bibliographique
Résumé
Absolute or functional iron (Fe) deficiency is an important determinant of anemia in hemodialysis patients and parenteral Fe is routinely used to treat this condition in conjunction with erythropoiesis stimulating agents. While restoration of hemoglobin toward the target range is a good outcome of Fe replacement, it is well known that Fe overload and toxicity may be adverse consequences of this therapy. Dialysis clinical practice guidelines recommend tailoring Fe therapy based on transferrin saturation and serum ferritin levels. Unfortunately, serum Fe markers may not accurately reflect the amount of Fe in the body, because factors such as infections, inflammation, or malignancy can alter serum ferritin levels. Some recent trials in dialysis patients receiving high intravenous Fe doses have shown increased cardiovascular morbidity and mortality and studies using magnetic resonance imaging (MRI) in this population have shown excessive tissue liver iron content (LIC) suggesting Fe overload. While LIC measured by MRI correlates well with LIC quantitated by liver biopsy, it only represents a surrogate marker for total body Fe and its clinical relevance in dialysis patients in terms of mortality and morbidity remains to be demonstrated. Nevertheless, these recent findings challenge the use of current serum Fe markers recommended by clinical guidelines to guide safe Fe therapy in dialysis patients. While not yet established for the routine screening of dialysis patients for Fe overload, MRI should be considered in patients who have received a high cumulative dose of intravenous Fe, or have long cumulative dialysis vintage. Further studies are needed to assess how MRI will alter management.
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) | 0,001 | 0,001 |
| 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 ».