Management of mineral and bone disorder after kidney transplantation
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Mineral and bone disorders (MBDs), inherent complications of moderate and advanced chronic kidney disease, occur frequently in kidney transplant recipients. However, much confusion exists about the clinical application of diagnostic tools and preventive or treatment strategies to correct bone loss or mineral disarrays in transplanted patients. We have reviewed the recent evidence about prevalence and consequences of MBD in kidney transplant recipients and examined diagnostic, preventive and therapeutic options to this end. RECENT FINDINGS: Low turnover bone disease occurs more frequently after kidney transplantation according to bone biopsy studies. The risk of fracture is high, especially in the first several months after kidney transplantation. Alterations in minerals (calcium, phosphorus and magnesium) and biomarkers of bone metabolism (parathyroid hormone, alkaline phosphatase, vitamin D and FGF-23) are observed with varying impact on posttransplant outcomes. Calcineurin inhibitors are linked to osteoporosis, whereas steroid therapy may lead to both osteoporosis and varying degrees of osteonecrosis. Sirolimus and everolimus might have a bearing on osteoblast proliferation and differentiation or decreasing osteoclast-mediated bone resorption. Selected pharmacologic interventions for the treatment of MBD in transplant patients include steroid withdrawal, and the use of bisphosphonates, vitamin D derivatives, calcimimetics, teriparatide, calcitonin and denosumab. SUMMARY: MBD following kidney transplantation is common and characterized by loss of bone volume and mineralization abnormalities, often leading to low turnover bone disease. Although there are no well established therapeutic approaches for management of MBD in renal transplant recipients, clinicians should continue individualizing therapy as needed.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».