Hypomagnesemia During Teriparatide Treatment in Osteoporosis: Incidence and Determinants
Notice bibliographique
Résumé
In our clinical experience, we have encountered patients who developed hypomagnesemia after the introduction of teriparatide. Some trials have reported hypomagnesemia as an adverse event during teriparatide treatment, but this issue had never been studied specifically. Our objective was twofold: 1) determine the incidence of hypomagnesemia (serum magnesium <0.7 mmol/L) associated with teriparatide in a retrospective cohort and 2) identify the predisposing factors to hypomagnesemia in this cohort. We reviewed the files of 53 patients treated for severe osteoporosis with teriparatide for 6 to 24 months between May 2008 and January 2016. Serum magnesium levels were measured at 0, 3, 6, 12, 18, and 24 months. In the full cohort, we observed an average decrease of serum magnesium of 0.075 mmol/L, 0.069 mmol/L, 0.085 mmol/L, 0.086 mmol/L (p < 0.001) at 3, 6, 12 months, and at the end of the treatment, respectively. The cumulative incidence of hypomagnesemia during treatment with teriparatide was 35.9% (19 patients). Patients' older age (71.1 versus 65.1 years; p = 0.05) and lower baseline level of magnesium before teriparatide treatment (0.81 mmol/L versus 0.85 mmol/L; p = 0.03) were significant risk factors for teriparatide-induced hypomagnesemia. The average decrease of serum magnesium was greater in the patients who developed hypomagnesemia compared with normomagnesemic patients at 3 months (0.110 mmol/L versus 0.054 mmol/L; p = 0.02), 6 months (0.139 mmol/L versus 0.036 mmol/L; p < 0.001), and 12 months (0.156 mmol/L versus 0.048 mmol/L; p < 0.001). Serum calcium, creatinine, and parathyroid hormone remained normal throughout the treatment period. We observed a statistically significant decrease in the serum magnesium levels in patients treated with teriparatide for severe osteoporosis. Older age and lower baseline magnesium were significant determinants of hypomagnesemia. Closer monitoring of serum magnesium level should be considered in these patients. © 2018 American Society for Bone and Mineral Research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».