MétaCan
Menu
Retour à la cohorte
Enregistrement W2983273961

Prevalence of fat-soluble vitamin (A, D, and E) and zinc deficiency in patients with cirrhosis being assessed for liver transplantation.

2018· article· en· W2983273961 sur OpenAlexaff
Anouar Teriaky, Mahmoud Mosli, Natasha Chandok, Bandar Al-Judaibi, Paul Marotta, Karim Qumosani

Notice bibliographique

RevuePubMed · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensWilliam Osler Health SystemLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineGastroenterologyInternal medicineCirrhosisLiver transplantationTransplantationZinc deficiency (plant disorder)AlbuminBilirubinFatty liverLiver diseaseHepatocellular carcinomaVitaminAlcoholic liver diseaseChronic liver diseaseMicronutrientDiseasePathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate the prevalence of fat-soluble vitamin (A, D, and E) and zinc deficiency in patients with cirrhosis being assessed for liver transplantation and the correlations between vitamin deficiencies, nutritional markers, and severity of liver disease. METHODS: This is a single centre retrospective study. Serum vitamin A, D, E, and zinc levels were collected in adult patients being assessed for liver transplantation between January and July 2012. Patient and liver disease demographics, nutritional markers, Child-Pugh score, and MELD-Na score were collected. Fisher's exact test and multiple variable logistic regression was used for statistical analysis. RESULTS: A total of 109 adult patients were assessed for liver transplantation during the 6-month period. The mean patient age was 54 ± 10 years and 66% were males. Mean BMI was 27 ± 6 kg/m2, pre-albumin was 0.10 ± 0.07 g/L, albumin was 33 ± 6 g/L, total bilirubin was 48 ± 61 mmol/L, MELD-Na score was 16 ± 5 (range 6-33), and 15% had hepatocellular carcinoma. The Child-Pugh score was A in 29%, B in 54%, and C in 17%. The causes of liver disease were hepatitis C in 36%, alcohol in 20%, non-alcoholic fatty liver disease in 17%, and other in 27%. The mean vitamin A level was 0.88 ± 0.86 umol/L, D was 69 ± 52 nmol/L, E was 24 ± 17 umol/L, and zinc was 477 ± 145 ug/L. Vitamin A deficiency was prevalent in 77%, D in 63%, E in 37%, and zinc in 84%. On multiple variable analysis, low albumin (OR = 0.78, 95% CI = 0.65-0.94, p = 0.0069) was a predictor of vitamin A deficiency ; cholestatic liver enzyme elevation (OR = 3.53, 95%CI = 1.40-8.89, p = 0.0073) and low albumin (OR = 0.83, 95%CI = 0.73-0.94, p = 0.0032) were predictors of vitamin D deficiency ; low albumin (OR = 0.85, 95% CI = 0.74-0.97, p = 0.015) was a predictor of vitamin E deficiency ; and age (OR = 0.83, 95% CI = 0.72-0.96, p = 0.012), low albumin (OR = 0.59, 95% CI = 0.42-0.84, p = 0.0036), and high MELD-Na (1.43, 95% CI = 1.05-1.94, p = 0.021) were predictors of zinc deficiency. Vitamin A (p = 0.0034), D (p = 0.020), E (p = 0.012), and zinc (p<0.001) deficiency correlated with a higher Child-Pugh. CONCLUSION: Low albumin was a recurrent predictor of fat-soluble vitamin (A, D, and E) and zinc deficiency while other predictors varied depending on the vitamin or mineral. Further studies need to be conducted on fat-soluble vitamin and zinc supplementation in deficient patients with cirrhosis to assess clinical outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTrace Elements in HealthTravaux en français237 207