The use of DXA for early detection of pediatric cystic fibrosis‐related bone disease
Notice bibliographique
Résumé
BACKGROUND: Cystic fibrosis (CF)-related bone disease (CFBD) is seen in adults and can be associated with respiratory illness and malnutrition. There is limited and conflicting data regarding CFBD in pediatric CF. With longer life expectancy and promotion of disease prevention, pediatric CFBD demands further investigation. METHODS: Our center initiated a quality improvement (QI) project from April 2016 to December 2018 to improve CFBD screening in patients 8 years or older, per current CF Foundation (CFF) guidelines. Our team formulated a dual-energy X-ray absorptiometry (DXA) scan algorithm based upon degree of bone mineral density (BMD); shared CFBD guideline recommendations in our quarterly newsletter; and ordered scans for eligible patients at weekly review meetings. We reviewed DXA results from 141 patients after institutional review board approval and gathered data including comorbidities, genetics, anthropometric measures, medication exposure, and relevant serum studies. RESULTS: %) (p < 0.001) as well as lower body mass index % (p = 0.001). Patients with lower BMD were overall older at time of DXA (p = 0.016). During study duration, 13 patients who had abnormal DXA results underwent repeat DXAs after physical therapy; 11 of the 13 showed improvement in DXA results. CONCLUSIONS: A DXA scan is a useful screening tool and can be used to identify pediatric patients who could benefit from further therapy and interventions to preserve adequate bone health and avoid further loss. QI initiatives can lead to improved screening and diagnosis and earlier intervention such as physical therapy. Further studies are needed to better understand the utility of physical therapy in children with 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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 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 ».