Body mass index associated with glucocorticoid-related weight gain in children with rheumatic disease on high-dose prednisone
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the relationship between patient variables that affect pharmacokinetic variability with glucocorticoid (GC)-related weight gain within the first 12 months of starting prednisone therapy. METHODS: We conducted a retrospective chart review of children aged <18 years diagnosed with rheumatic disease treated with moderate to high-dose prednisone therapy at a single Canadian paediatric academic hospital between January 1, 2010, and December 31, 2020. Using a binary logistic regression, eGFR, initial Body Mass Index (BMI), transaminitis and albumin were evaluated as predictors of GC-related obesity (defined as weight gain greater than 20% and BMI z-score ≥1.88 or >95%ile after 12 months of treatment) was evaluated. RESULTS: Data for sixty-two patients were included in this analysis with 18 (29%) systemic JIA, (6%) other JIA subtypes, 22 (36%) SLE, and 8 (13%) JDM patients, and the remaining patients diagnosed with connective tissue disease and other inflammatory disorders (n=10, 16%). Eighteen (29%) patients met criteria for GC-induced obesity by 12 months of therapy. Greater BMI z-score prior to initiation of GC-therapy was associated with greater risk of developing GC-induced obesity (OR=2.35, 95%CI=1.39-3.96, p<0.001). CONCLUSIONS: Greater BMI was a predictor of severe GC-related obesity for children with rheumatic disease requiring moderate to high-dose prednisone therapy. Further work is required to determine methods for individualised prednisone dosing, and interventions to mitigate risk for weight gain.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».