The relationship of insulin resistance and body fat in chronic kidney disease patients.
Notice bibliographique
Résumé
Background: Insulin resistance has been associated with type 2 diabetes, hypertension, central obesity, and dyslipidemia, all of which are important risk factors for progression of chronic kidney disease (CKD). A greater degree of insulin resistance may predispose to renal injury by worsening renal hemodynamics through the elevation of glomerular filtration fraction. However, there are sparse data on the relationship between insulin resistance, glomerular filtration rate (GFR), and total body fat or phase angle in CKD without diabetes. Methods: We examined 84 non‐diabetes CKD patients according to the K/DOQI definitions; only 79 patients were enrolled into the study (GFR between 15 and 90 ml/min/1.73 m 2 ). The value of insulin resistance was obtained by homeostasis model assessment (HOMA). Bioelectrical impedance analysis was performed to determine the percentage of total body fat or phase angle. GFR was calculated by the average of creatinine and urea clearances. Results: The correlation analysis showed that HOMA‐insulin resistance was positively correlated with phase angle (r = 0.35, P < 0.01), percentage of total body fat (r = 0.27, P < 0.01), body mass index (r = 0.48, P < 0.01) and serum triglyceride levels (r = 0.32, P < 0.01), but not significantly correlated with gender (r = −0.07, P > 0.05), age (r = 0.05, P > 0.05), GFR (r = −0.006, P > 0.05), and mean arterial blood pressure (r = 0.11, P > 0.05). Conclusion: In non‐diabetic chronic kidney disease patients, the major risk factor for insulin resistance is the amount of total body fat. The insulin level is not dependent on the GFR in these 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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».