MétaCan
Menu
Retour à la cohorte
Enregistrement W2944653362 · doi:10.1210/js.2019-or03-5

OR03-5 Fractures during Bisphosphonate Therapy after Orthotopic Liver Transplantation: Incidence and Predictors

2019· article· en· W2944653362 sur OpenAlexaff
Marie‐Josée Bégin, Louis‐Georges Ste‐Marie, Geneviève Huard, R Chartrand, Marc Dorais, Agnès Räkel

Notice bibliographique

RevueJournal of the Endocrine Society · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBone and Joint Diseases
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)OsteoporosisSurgeryBisphosphonateRetrospective cohort studyMedical recordCohortUnivariate analysisCumulative incidenceTransplantationInternal medicineMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

Introduction: Bone loss is significant within the first 3 to 6 months after orthotopic liver transplantation (OLT) and is associated with high rates of fractures. Incident fractures after OLT are correlated with substantial decreased quality of life. To attempt preventing post-transplant fractures, the cornerstone of therapeutic management is bisphosphonates (BP). Objectives: The main objective of our study was to determine the incidence of fractures during the first three years after a first OLT in patients receiving BP. The secondary objective was to study the predictors of fractures in these patients. Methods: We conducted a retrospective study in a cohort of patients who underwent OLT between January 2012 and September 2016 at our center. All adult recipients who received BP after OLT were included in the study. Clinical, laboratory, bone mineral density (BMD) and fracture data were extracted from electronic medical records. Vertebral and non-vertebral fractures were included and all fractures were confirmed by a radiologist. Results: During the study period, 304 OLT were performed and 158 patients (median age 57 y.o.; 29.8% female) met the inclusion criteria. Prior to OLT, 14 patients (8.9%) met the criteria for osteoporosis (T-score ≤ -2.5) and a total of 24 patients (15.2%) had a past history of fractures (vertebral and non-vertebral). The cumulative incidence of fractures after OLT in patients treated with BP was 19.1% (26 patients) at 36 months, with a median time to first fracture of 6 months (Q1=2, Q3=20 months). Predictive factors of fractures in univariate analyses included: age > 60 y.o. (HR 2.46; 95% CI, 1.14-5.33), new onset diabetes after transplantation (NODAT) (HR 2.38; 95% CI, 1.10-5.15), narcotic use at 6 months after OLT (HR 2.19; 95% CI, 1.00-4.77) and length of hospital stays in the first year (days) (HR 1.01; 95% CI, 1.00-1.01). Previous fragility fracture was not associated with higher risk of post-transplant fracture. Multivariate analysis confirmed that age > 60 y.o. (HR 2.66; 95% CI, 1.23-5.79; p=0.01), narcotic use (HR 2.65; 95% CI, 1.20-5.84; p=0.02) and NODAT (HR 2.68; 95% CI, 1.23-5.84; p=0.01) were significant independent risk factors for fractures. BMD was available before and after transplant in 34 patients and there was a statistically significant decrease in mean absolute BMD (g/cm2) at the femoral neck (-0.07 g/cm2 vs. -0.04 g/cm2; p=0.02) and total hip (-0.07 g/cm2 vs. -0.02 g/cm2; p=0.02) in patients with incident fractures compared to patients without fracture during follow-up. Conclusion: Fractures are a frequent complication after OLT even in patients preemptively treated with BP. Special attention should be paid to BP treated older patients, narcotic users and patients with NODAT in order to prevent fractures after OLT. Further studies are needed to identify the best therapeutic strategy in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,238
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetBone and Joint DiseasesTravaux en français237 207