Iliac crest bone biopsy by interventional radiologists to improve access to bone biopsy in chronic kidney disease populations: technical note and a case series
Notice bibliographique
Résumé
INTRODUCTION: Chronic kidney disease-mineral and bone disorder (CKD-MBD) leads to increased fracture risk. Iliac crest biopsy remains the gold standard for diagnosing bone disease in CKD. Unfortunately, bone biopsy is rarely performed which is mainly due to the inability of clinicians to perform the procedure. In this paper, we propose a fluoroscopy-guided procedure performed by interventional radiologists as a novel approach to iliac crest biopsy in adult population. We describe the implementation of the procedure and present the first 11 cases of CKD patients who underwent iliac crest biopsy with this new approach. METHODS: A nephrologist already trained in performing iliac crest biopsy initiated the creation of a fluoroscopy-based iliac crest biopsy program. Two interventional radiologists underwent a short training. Patients' demographical, clinical and biochemical data were collected on the day of the biopsy. Complications within the first three months after the procedure were collected from electronical records. RESULTS: IR rapidly mastered the procedure. The use of fluoroscopy allowed a precise localisation of the biopsy site and standardization of the intervention, which ensured specimen quality. The new approach allowed CKD patients to access iliac crest biopsy, which resulted in precise bone disease diagnosis (levels of bone turnover and mineralization) and targeted therapy for each case. There were no complications during, nor within 3 months after the intervention. CONCLUSIONS: We believe this approach will increase the access to iliac crest biopsy for diagnosing bone disease in CKD population. Studies are now needed to evaluate whether CKD patients will benefit from anti-osteoporotic therapy based on the results of iliac crest biopsy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».