MétaCan
Menu
Retour à la cohorte
Enregistrement W2026960774 · doi:10.1159/000171379

Susceptibility to Hyperglycemia in Patients with Chronic Kidney Disease

2008· article· en· W2026960774 sur OpenAlexaff
Walid Shehab-Eldin, Ali Zaki, Sanaa Gazareen, Ahmed Shoker

Notice bibliographique

RevueAmerican Journal of Nephrology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMedicineProinsulinInsulin resistanceInternal medicineKidney diseaseDiabetes mellitusEndocrinologyRenal functionInsulinHomeostasisHomeostatic model assessmentType 2 diabetesGastroenterology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with chronic kidney disease (CKD) are susceptible to hyperglycemia. AIM: To study the prevalence of pre-diabetes in CKD patients and determine the contribution of insulin resistance (IR) versus beta-cell dysfunction in patients with CKD. METHODS: 45 consecutive nondiabetic CKD patients and 40 healthy subjects were included. Patients were divided into a normoglycemic (NG) and a pre-diabetic (PDM) group. IR was assessed by homeostasis model assessment of insulin resistance (HOMA-IR) and beta-cell function was assessed by proinsulin/insulin ratio and beta-cell%. RESULTS: The prevalence of PDM was 40%. The prevalence of high HOMA-IR was 22.2 and 77.8% in the NG and PDM groups. Compared to NG patients, the PDM group showed higher fasting plasma glucose, HOMA-IR, insulin, and proinsulin, while the prevalence of beta-cell dysfunction of 22.2% was lower than the 37% present in the NG group. CONCLUSION: Increased IR, rather than beta-cell dysfunction, is the primary mechanism of PDM in CKD patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NephrologyMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207