MétaCan
Menu
← Back to cohort
Record W2965046874 · doi:10.71781/31416

Effets de la greffe pulmonaire sur la densité minérale osseuse et l’anthropométrie des individus atteints de fibrose kystique

2018· dissertation· fr· W2965046874 on OpenAlexaboutno aff
Gabrielle Durette

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldMedicine
TopicSystemic Sclerosis and Related Diseases
Canadian institutionsnot available
Fundersnot available
KeywordsMedicine

Abstract

fetched live from OpenAlex

Bien que la perte de densité minérale osseuse (DMO) et l’évolution du poids après une greffe pulmonaire soient bien documentées, il en est autrement pour les greffés atteints de fibrose kystique (FK) où l’évolution à long terme demeure inconnue. Pourtant, ces éléments influencent la qualité de vie des patients; une faible DMO augmente le risque de fractures alors qu’un poids inadéquat augmente le risque de mortalité et la survenue de complications cardiométaboliques. Le présent projet de recherche vise donc à décrire l’évolution de la DMO et du poids suite à la greffe pulmonaire ainsi qu’à identifier les prédicteurs de leur variation à différents temps post-greffe. Pour ce faire, un devis rétrospectif sur dossiers médicaux a été employé chez une cohorte de 131 greffés pulmonaires atteints de FK transplantés au Centre hospitalier de l’Université de Montréal entre 2000 et 2015. Les paramètres osseux (DMO, bilan phosphocalcique, 25-OH-vitamine D, PTH, ostéocalcine, C-télopeptides), anthropométriques (taille, poids, IMC) et cliniques (médicaments et suppléments) des sujets ont été colligés en pré-greffe ainsi qu’au moment des suivis de 6 mois, 1 an, 2 ans, 5 ans et 10 ans post-greffe. Les variations de poids en kg par rapport au poids à la greffe et les variations annualisées de DMO depuis l’évaluation initiale ont été calculées. Nos résultats ont démontré en moyenne des gains de poids à tous les suivis post-greffe. La prévalence des individus en sous-poids a diminué entre l’évaluation (36,6 %), la greffe (26,0 %) et les suivis post-greffe (21,4 %, 11,6 %, 10,3 % et 8,5 %,) à l’exception du suivi de 10 ans (18,2 %). L’obésité, inexistante avant la greffe, a été observée chez 0,8 à 3,0 % des sujets en post-greffe. Les modèles de régression ont prédit fortement la variance de la variation du poids (kg) des quatre points de suivis post-greffe (r2 > 98,3 %). Le sexe, l’IMC à la greffe et l’IMC du suivi étudié se sont avérés des prédicteurs à tous les suivis. La durée de l’hospitalisation lors de la greffe l’a été au suivi de 6 mois. À court terme après la greffe, la perte de DMO entre l’évaluation pré-greffe et le suivi de 6 mois a été significativement plus prononcée au fémur qu’en lombaire. À moyen et long terme, une évolution positive a plutôt été observée. Les modèles de régression, quant à eux, ont prédit modestement la variance de la variation de la DMO (fémorale 1 an : r2 = 27,5 %, lombaire 1 an : r2 =28,3 % et fémorale 5 ans : r2 = 47,7 %). Notre étude a démontré que les individus en sous-poids au moment de l’évaluation pré-greffe parviennent à reprendre du poids de façon substantielle après la greffe. Une problématique de gain pondéral trop important est aussi observée chez certains, ce qui pourrait augmenter leur risque de complications cardiométaboliques. La perte de DMO observée entre l’évaluation initiale et six mois post-greffe se rétablie par la suite, mais n’engendre qu’un faible gain net de DMO par rapport à la DMO pré-greffe, qui était déjà abaissée. Ainsi, malgré l’initiation d’une thérapie aux bisphosphonates chez la majorité d’entre eux, les greffés FK conservent un statut osseux sous-optimal même dix ans après la greffe.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.030
Threshold uncertainty score0.060

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.030
GPT teacher head0.356
Teacher spread0.326 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→Same topicSystemic Sclerosis and Related Diseases→French-language works237,207→