Hepatic and cardiac iron overload quantified by magnetic resonance imaging in patients on hemodialysis: A systematic review and meta‐analysis
Notice bibliographique
Résumé
INTRODUCTION: Few studies have reported hepatic and cardiac iron overload in patients with end-stage renal disease (ESRD), and the current evidence regarding the prevalence is still scarce. AIM: This review aims to estimate the prevalence of hepatic and/or cardiac iron overload quantified by magnetic resonance imaging (MRI) in patients with ESRD who receive hemodialysis (HD), peritoneal dialysis (PD), or have undergone a kidney transplant. METHODS: A systematic review with meta-analysis was conducted and reported in line with PRISMA (Preferred Reporting Items for Systematic Review and Meta-Analysis) guidelines. MEDLINE and Embase bibliographic databases were searched using a comprehensive list of controlled vocabulary and keywords to identify relevant studies. All studies reporting the prevalence of hepatic and/or cardiac iron overload quantified by MRI in ESRD patients were considered. The Newcastle-Ottawa scale was used to assess the methodological quality of included studies. To investigate the heterogeneity between studies, random-effect meta-analyses for proportions were used. RESULTS: The review comprised seven studies that included 339 patients. Using meta-analysis, the pooled prevalence of severe and mild to moderate hepatic iron overload quantified by MRI was 0.23 [95% CI: 0.08-0.43] and 0.52 [95% CI: 0.47-0.57], respectively. Only three studies included cardiac iron quantification, and none reported iron overload. CONCLUSIONS: This review has revealed a high prevalence of severe hepatic iron overload in patients with ESRD treated by HD. Further studies with a larger sample size are needed to determine the impact of iron overload on vital organs in patients with ESRD and guide future research in this understudied field. Proper use of iron chelation and continuous monitoring will help in the early detection of unsolicited complications; however, the low renal clearance of most iron chelators limits the options for treating iron excess in patients with ESRD.
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 | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».