Epidemiology and composition of nephrolithiasis in a Lebanese tertiary care center
Notice bibliographique
Résumé
Introduction: Nephrolithiasis is a common affliction with a prevalence of 12% in men and 7% in women. The incidence rate diverges with geographic location. Arab countries report high nephrolithiasis prevalence rates, with Saudi Arabia being the highest (20.1%). To date, there is little knowledge about the demographics and composition of stones in Lebanon. Methods: A retrospective chart review was performed on stone composition at the American University of Beirut Medical Center, between 2005 and 2018. Patients' demographics and stone characteristics were obtained from electronic medical records. Analysis of frequencies and Chi-square test were adopted for potential risk factor correlations by the Statistical Package for the Social Sciences (SPSS). Results: A total of 626 stone analyses were performed. Male patients predominated (69%). The mean age was 46.58 ± 16.5 years, and mean body mass index was 28.63 ± 5.6, for both sexes. Calcium oxalate was the most predominant stone in both sexes (70%). Uric acid stones followed (~16%), and calcium oxalate phosphate stones were the third most common (5%). Incidence of kidney stones peaks in the summer, with 11.86% presenting in July. Around 60% presented with flank pain to the Emergency Department, and 32% ended up with spontaneous passage of stones by medical expulsive therapies alone, with no further surgical intervention. Diabetes and hypertension were significantly correlated with stone recurrence in our cohort. Conclusion: There is a significant gender disparity in stone prevalence in Lebanon. Calcium oxalate is the most common type in both sexes. Future investigations of dietary and environmental factors are recommended from our region.
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 | 0,000 |
| 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 ».