<scp>IL</scp>‐6 is an independent risk factor for resistance to erythropoiesis‐stimulating agents in hemodialysis patients without iron deficiency
Notice bibliographique
Résumé
Anemia is a common complication in dialysis patients because of their relative erythropoietin deficiency. Despite treatment with erythropoiesis-stimulating agents (ESAs), some patients experienced ESA hyporesponsiveness. We evaluated the clinical and laboratory factors that affect ESA hyporesponsiveness and investigated the relationships between hepcidin, inflammatory markers, and the iron profiles of hemodialysis patients. Sixty-eight patients receiving hemodialysis at a single institution were evaluated in a cross-sectional study. The patients were divided into tertiles based on the ESA hyporesponsiveness index (EHRI), defined as the weekly ESA dose per kilogram of body weight divided by the hemoglobin level. The mean EHRI values for each tertile were 3.3 ± 1.2 (T1), 10.2 ± 2.9 (T2), and 24.5 ± 11.6 (T3). The mean serum erythropoietin levels were significantly higher in the Q3 and Q4 groups. Thus, patients with ESA hyporesponsiveness showed relative resistance to erythropoietin therapy. In univariate and multivariate analyses, patients in the third tertile of EHRI showed significantly higher mean interleukin-6 (IL-6) levels. Serum C-reactive protein (CRP) levels showed a similar trend, but the differences were not significant. Serum hepcidin levels tended toward lower mean values in the third tertile of EHRI. No relationship was observed between hepcidin and inflammatory markers or iron status. In conclusion, IL-6, but not CRP, is a strong predictor of ESA hyporesponsiveness in hemodialysis patients who have sufficient iron. It may be difficult to use hepcidin as an independent clinical marker because of the many factors that influence it and their 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».