Impact of kidney transplantation on serum bone mineral levels and anemia – a cohort study on Egyptian children
Notice bibliographique
Résumé
Introduction Disorder of bone mineral indicators and anemia are frequent morbidities in children with end stage kidney disease (ESKD) that can persist after kidney transplantation (KT). This study aims to investigate the effect of KT on bone minerals and anemia by comparing their levels before KT and at regular follow-up intervals after KT. Material and methods A cohort of 30 pediatric kidney transplant recipients (KTRs) was followed up at 3-month intervals for their first post-transplantation year. Review of pre-transplantation, transplantation- related data and regular measurement of serum calcium, phosphorus, alkaline phosphatase (ALP), parathyroid hormone (PTH), hemoglobin, hematocrit, iron and ferritin was performed. Results Serum phosphorus and PTH levels significantly decreased after KT (p < 0.001) with no significant change in calcium (p = 0.221) or ALP (p = 0.377) levels. Frequency of hyperparathyroidism significantly decreased after KT (p < 0.05) but 53.3% and 63.3% of patients had hyperparathyroidism at 6 and 12 months respectively. Parathyroid hormone did not show a significant difference at 6- and 12-month assessments after transplantation (p = 0.82). Hemoglobin level, hematocrit and serum iron significantly increased after KT (p = 0.019, 0.048 and 0.008 respectively). Frequency of phosphorus level abnormalities and anemia significantly declined after KT (p < 0.001 and 0.0356 respectively). Parathyroid hormone levels positively correlated with glomerular filtration rate (p = 0.004 and CC = 0.608). Patients on tacrolimus had less phosphorus than those on cyclosporine at 12 months (p = 0.005). Conclusions Successful KT in children partially normalizes bone mineral disorders accompanied with ESKD by reducing serum phosphorus levels. Hyperparathyroidism is prevalent by the end of the first post-transplantation year. Anemia does still exist after KT but to a lesser extent than pre-transplantation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».