Height‐adjusted lean body mass and its associations with physical activity and kidney function in pediatric kidney transplantation
Notice bibliographique
Résumé
Abstract Background Although LBM is positively associated with health outcomes, studies assessing determinants for the accrual of ht‐LBM, such as physical activity, are limited. This study aimed to assess ht‐LBM levels in pediatric kidney transplant recipients and test its association with baseline and contemporaneous variables, including physical activity. Methods A retrospective cross‐sectional review was performed on 46 pediatric kidney transplant recipients, and a longitudinal review was performed on a subset of recipients with serial post‐transplant ( n = 21) and pre/post‐transplant ( n = 11) ht‐LBM measurements. Ht‐LBM measurements were obtained using DXA scans. Results This cohort was 16.0 (IQR 12.3, 17.7) years old, 56.5% male and 46 ± 45 months post‐transplant with a mean ht‐LBM of 15.1 ± 2.5 kg/m 2 . A median ht‐LBM increase of 1.6 kg/m 2 (IQR − 0.1, 2.6 kg/m 2 ; p < .01) was observed, over 29.2 ± 12.0 months from the earliest post‐transplant scan obtained at 46 ± 25 months post‐transplant until the most recent post‐transplant scan. A 1.7 ± 1.4 kg/m 2 ( p < .01) increase was observed between pre‐ and post‐transplant DXA scans which were taken at 12 ± 11 months pre‐transplant and 13 ± 6 months post‐transplant, respectively. In separate adjusted models, lower physical activity questionnaire scores ( n = 17, beta = 1.55, p = .02), faster rate of estimated glomerular filtration rate decline (beta = 0.05, p < .048) adjusted for annualized change in BSA, and younger age at scan (beta = 0.32, p < .01) were each significant predictors of lower ht‐LBM. Conclusions Physical activity and kidney function may influence ht‐LBM in the pediatric kidney transplant 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».