Anti‐inflammatory effects of linagliptin in hemodialysis patients with diabetes
Notice bibliographique
Résumé
Inflammation and glycemic control are important prognosis-related factors for hemodialysis (HD) patients; moreover, inflammation affects insulin secretion. Here, we evaluated the anti-inflammatory effects of monotherapy with linagliptin-a dipeptidase-4 inhibitor-in HD patients with type 2 diabetes. We examined 21 diabetic HD patients who were not receiving oral diabetes drugs or insulin therapy and with poor glycemic control (glycated albumin [GA] level, >20%). Linagliptin (5 mg) was administered to the patients daily. The levels of prostaglandin E2 (PGE2), interleukin-6 (IL-6), high-sensitivity C-reactive protein, GA, blood glucose, and active glucagon-like peptide-1 were determined before and 6 months after treatment. Body weight and serum levels of albumin, hemoglobin, total cholesterol, and low-density lipoprotein cholesterol were also recorded before and after treatment. The levels of PGE2 and GA were significantly decreased 1 month after starting linagliptin therapy, whereas the IL-6 levels were significantly decreased 6 months after starting linagliptin therapy. After 6 months of treatment, the PGE2 levels decreased from 188 ± 50 ng/mL to 26 ± 5 ng/mL; IL-6 levels, from 1.5 ± 0.4 pg/mL to 0.6 ± 0.1 pg/mL; and GA levels, from 21.3% ± 0.6% to 18.0% ± 0.6%. Glucagon-like peptide-1 levels increased 2.5-fold during the treatment. Over the 6-month treatment period, body weight and levels of high-sensitivity C-reactive protein, blood glucose, albumin, hemoglobin, and cholesterol did not change; none of the patients exhibited hypoglycemia. The anti-inflammatory effects of linagliptin monotherapy indicate that it may serve as a useful glucose control strategy for HD patients with diabetes.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».