Iron-Induced Hypophosphatemia: A Review of Pathophysiology, Drug Safety, and Pharmacogenomic Perspectives
Notice bibliographique
Résumé
Intravenous (IV) iron therapy is a cornerstone in the management of iron deficiency anemia, yet its administration is associated with significant side effects, most notably hypophosphatemia. This adverse event is not a class effect but is disproportionately linked to specific formulations, particularly ferric carboxymaltose (FCM). This review synthesizes the current clinical evidence, elucidates the central pathophysiological role of fibroblast growth factor 23 (FGF23), and explores a potential pharmacogenomic basis for individual susceptibility. Clinical data from numerous randomized controlled trials and meta-analyses confirm that FCM induces hypophosphatemia in over 50% of patients, a rate far exceeding that of other IV iron preparations. The proposed underlying mechanism involves a “two-hit” process: pre-existing iron deficiency upregulates FGF23 gene transcription, while FCM administration is thought to inhibit the proteolytic cleavage of the FGF23 protein. This uncoupling of production and degradation leads to a surge in active, intact FGF23 (iFGF23), causing renal phosphate wasting. We explore the potential for genetic polymorphisms in FGF23 and its key processing enzymes, such as FURIN, GALNT3, and FAM20C, to modulate individual risk. Understanding this complex interplay is crucial for risk stratification, appropriate formulation selection, and patient monitoring to mitigate the acute and chronic consequences of iatrogenic hypophosphatemia, including debilitating fatigue and osteomalacia.
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) | 0,005 | 0,001 |
| 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 | 0,001 |
| 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 ».