MétaCan
Menu
Retour à la cohorte
Enregistrement W100853277

The kidney--the body's playground for drugs: an overview of renal drug handling with selected clinical correlates.

2003· article· en· W100853277 sur OpenAlexaff
Dan Perri, Shinya Ito, Victoria Rowsell, Neil H. Shear

Notice bibliographique

RevuePubMed · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueDrug Transport and Resistance Mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTransporterOrganic cation transport proteinsOrganic anion transporter 1Nucleoside transporterReabsorptionPharmacologyRenal physiologyDrugMedicineNucleosidePharmacokineticsEffluxP-glycoproteinKidneyChemistryRenal functionBiochemistryMultiple drug resistanceInternal medicineGene
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A greater understanding of transport mechanisms contributing to renal drug handling may be useful in predicting drug clearance and drug interactions. Renal clearance is a dynamic process expressed as the sum of the rates of glomerular filtration and tubular secretion minus the rate of tubular reabsorption. Because the transport of drugs is often against a concentration gradient, renal secretion is mostly an active process involving a variety of transporter mechanisms. Discoveries from molecular biology techniques and gene 'knock-out' experiments have identified a variety of renal tubular proteins responsible for the transport of organic cations, organic anions, neutral and cationic hydrophobic compounds, anionic conjugates and specific agents such as prostaglandins. The discovery of a P-glycoprotein (P-gp) transporter at the apical membrane of renal tubular cells is particularly important. By elucidating compounds that act as substrates, inhibitors or inducers of transport proteins, pharmacologists and clinicians may better understand renal drug clearance. This paper provides a brief overview of several identified renal transport proteins including organic anion transporters, organic cation transporters, ATP-dependent transporters (multidrug resistance [P-gp] and multi-drug resistance associated protein), nucleoside transporters (sodium-dependent purine nucleoside transporter and concentrative nucleoside transporter 1) and peptide transporters. A special focus on known P-gp-mediated drug interactions is included to demonstrate the clinical relevance of transporter protein science. At the patient level, this may lead to novel approaches to alter in vivo pharmacokinetics and improve drug safety through a greater understanding of toxic substrate clearance and drug interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,294
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDrug Transport and Resistance MechanismsTravaux en français237 207