Does dietary protein intake correlate with markers suggestive of early diabetic nephropathy in children and adolescents with Type 1 diabetes mellitus?
Notice bibliographique
Résumé
AIMS: To examine the relationship between dietary protein intake and possible early markers of diabetic nephropathy (creatinine clearance (CrCI), kidney volume and albumin excretion rate (AER)). METHODS: One hundred and forty-five subjects with diabetes for 5-10 years, divided into three pubertal groups, participated. Kidney volume was measured by ultrasound, and serum creatinine and HbA1c were assayed. Two or three 24-h urine collections were obtained for albumin, creatinine and urea excretion rates. Dietary protein intake was estimated from urinary urea nitrogen excretion rate. Glomerular filtration rate was estimated by creatinine clearance. RESULTS: Mean protein intake was 1.22 +/- 0.48 g x kg(-1) x day(-1) Protein intake was significantly higher in males than females (P < 0.0001) and highest in prepubertal compared to mid-pubertal and post-pubertal subjects (P < 0.001). In multiple regression analysis, protein intake was positively associated with CrCl (P < 0.0001), and male sex (P < 0.0001) and negatively associated with body surface area (P = 0.0013) and age (P = 0.01). Kidney volume and AER were not related to dietary protein intake. CONCLUSIONS: This cross-sectional study failed to show a significant relationship between dietary protein intake and markers of early nephropathy, other than CrCl. However, a longitudinal, prospective study is required to definitively assess the role of protein intake in the evolution of diabetic nephropathy.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».