Pituitary Dysfunction in Pediatric Patients with Optic Nerve Hypoplasia: A Retrospective Cohort Study (1975–2014)
Notice bibliographique
Résumé
BACKGROUND/AIMS: The risk factors for pituitary hormone dysfunction (PHD) in children with optic nerve hypoplasia (ONH) are not well understood. This study identified the type, timing, and predictors of PHD in children with ONH. METHODS: ONH patient charts were reviewed retrospectively. The incidence rate of PHD was calculated assuming a Poisson distribution. Predictors of PHD were identified through a multivariable Cox proportional hazards model. RESULTS: Among 144 subjects with ONH, 49.3% (n = 71) developed PHD over 614.7 person-years of follow-up. The incidence was 11.55 (95% confidence interval [CI]: 9.02-14.57/100 person-years). The median time to first PHD was 2.88 (interquartile range: 0.02-18.72) months. Eighty-two percent developed their first PHD by their 5th and 90% by their 10th birthday, and 89% within 5 years of ONH diagnosis. Prematurity (adjusted hazard ratio [aHR]: 0.33; 95% CI: 0.1-1.07), blindness (aHR: 1.72; 95% CI: 1.03-2.86), maternal substance abuse (aHR: 1.51; 95% CI: 0.91-2.48), abnormal posterior pituitary (aHR: 3.8; 95% CI: 2.01-7.18), and hypoplastic/absent anterior pituitary (aHR: 2.52; 95% CI: 1.29-4.91) were significant predictors of PHD. CONCLUSIONS: The clinical predictors of PHD included blindness, pituitary gland abnormalities, and maternal substance abuse. These predictors help clinical decision-making related to the need for and frequency of hormone testing in pediatric patients with ONH.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».