Systematic Review of the Prevalence of Kidney Stones in Cystic Fibrosis
Notice bibliographique
Résumé
Purpose: To investigate the prevalence of urolithiasis in cystic fibrosis (CF) and to summarize the available clinical features within this unique population. Methods: Studies reporting the prevalence of urolithiasis in CF patients were identified by a systematic search of the literature from inception to July 31, 2020 on three databases: Ovid Medline, Ovid Embase, and Web of Science. Data were extracted on a predetermined standardized form by two independent authors. Results: A total of 596 publications were retrieved and screened, 15 of which met the eligibility criteria. The publications were published between 1993 and 2019 and were all observational in design. There was a total of 2982 patients with CF included in this review. The overall prevalence of stone formation in the CF population was 4.6% (137/2982). The mean age of diagnosis was 25.1 ± 9.6 and ranged from 0.25 to 47. Ultrasound was the most common imaging modality for kidney stone diagnosis. There was no apparent sex difference, with a female to male ratio of 1:1. Surgical intervention was required in 37.8% (34/90) of cases. Stone recurrence was reported in 42.9% (33/77) of stone formers. Conclusions: This review provides the most recent update for the prevalence of urolithiasis in CF patients and summarizes the available clinical data. Our findings suggest that patients with CF could be at risk for developing stones at a younger age and require interventional management strategies at higher rates compared with the general population. Given the heterogeneity of the literature for urolithiasis in CF, larger population-based studies reporting the epidemiology, clinical features, and management strategies are required to further our understanding of urolithiasis in CF.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| 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 | 0,001 |
| 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 ».