Glomerular haemodynamic profile of patients with Type 1 diabetes compared with healthy control subjects
Notice bibliographique
Résumé
AIMS: To evaluate the glomerular haemodynamic profile of patients with Type 1 diabetes with either renal hyperfiltration (GFR ≥ 135 ml/min/1.73 m2 ) or renal normofiltration (GFR 90-134 ml/min/1.73 m2 ) during euglycaemic and hyperglycaemic conditions, and to compare this profile with that of a similar group of healthy control subjects. METHODS: Gomez's equations were used to derive afferent and efferent arteriolar resistances, glomerular hydrostatic pressure and filtration pressure. RESULTS: At baseline, during clamped euglycaemia, patients with Type 1 diabetes and hyperfiltration had lower mean ± sd afferent arteriolar resistance than both those with Type 1 diabetes and normofiltration (914 ± 494 vs. 2065 ± 597 dyne/s/cm5 ; P < 0.001) and healthy control subjects (1676 ± 707 dyne/s/cm(5) ; p < 0.001). By contrast, efferent arteriolar resistance was similar in the three groups. Patients with Type 1 diabetes and hyperfiltration also had higher mean ± sd glomerular hydrostatic pressure than both healthy control subjects and patients with Type 1 diabetes and normofiltration (66 ± 6 vs. 60 ± 3 vs. 55 ± 3 mmHg; P < 0.05). Similar findings for afferent arteriolar resistance, efferent arteriolar resistance, glomerular hydrostatic pressure and filtration pressure were observed during clamped hyperglycaemia. CONCLUSION: Hyperfiltration in Type 1 diabetes is primarily driven by alterations in afferent arteriolar resistance rather than efferent arteriolar resistance. Renal protective therapies should focus on afferent renal arteriolar mechanisms through the use of pharmacological agents that target tubuloglomerular feedback, including sodium-glucose cotransporter 2 inhibitors and incretins.
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) | 0,000 | 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 ».