Frequency of Metabolic Abnormalities in Pakistani Children With Renal Stones
Notice bibliographique
Résumé
Objective: To determine the frequency of various metabolic abnormalities in children with urinary lithiasis. Methods: This cross-sectional study was conducted at the Armed Forces Institute of Urology, Rawalpindi, from 30 January 2017 to 1 February 2020. A total of 1355 children who were aged 4 to 14 years and who had renal stones were included, while those with urinary tract infections, posterior urethral valve, pelvi-ureteric junction obstruction, reflux disease, and chronic renal failure were excluded. Twenty-four-hour urine samples were analyzed for urinary uric acid, calcium, oxalate, citrate, and magnesium. Demographics and metabolic abnormalities—hypercalciuria, hyperoxaluria, hypocitraturia, hyperuricosuria, and hypomagnesuria—were noted and analyzed. Results: The study analysis included 1355 patients. Low urine volume was observed in 465 (34.3%) of the patients. Three hundred nine patients (22.8%) had metabolic abnormalities, the most common being hypocitraturia (184, 59.5%) followed by hypercalciuria (136, 44%) and hypomagnesuria (126, 40.8%). Mean age of presentation, disease duration, recurrent bilateral stones were found significantly different in those having metabolic abnormalities (7.81±2.25 versus 8.76±2.50 P < 0.001, 7.73±1.50 versus 8.43±1.54 P < 0.001, 19.4 versus 2.4% P < 0.001 respectively). No significant difference was found in frequency of abnormal urinary metabolic parameters between boys and girls (P > 0.05) or, upon data stratification, on the basis of disease duration, stone laterality, and recurrence. Conclusion: Metabolic abnormalities were found in 22.8% % of children presenting with urinary lithiasis. The most frequent abnormality observed was hypocitraturia followed by hypercalciuria and hypomagnesuria. Early identification helps manage such patients appropriately, mitigating long-term sequelae.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».