Urinary Expression of Novel Tissue Markers of Kidney Injury After Ureteroscopy, Shockwave Lithotripsy, and in Normal Healthy Controls
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Shockwave lithotripsy (SWL) and ureteroscopy (URS) are minimally invasive treatment alternatives for kidney stones. Although less invasive, SWL subjects the renal parenchyma to a high level of energy and the potential to cause renal injury. The ability to detect renal injury post-SWL in a reliable and noninvasive way would be clinically beneficial. Kidney injury molecule 1 (KIM-1) and N-acetyl-β-D-glucosaminidase (NAG) are two proteins secreted by the kidney into the urine and have been found to be sensitive markers of acute kidney injury in transplant patients. The aim of this work was to measure urinary levels of KIM-1 and NAG in patients with kidney stone who were treated by SWL or URS and in nonstone volunteers. PATIENTS AND METHODS: Patients with kidney stones who were treated by SWL (n = 50) or URS (n = 10) were recruited. Voided urine samples were collected before and 2 to 3 hours after URS and SWL. In addition, further urinary specimens were collected 2 days and 2 weeks post-SWL treatment. Voided urine samples from healthy volunteers were also collected. RESULTS: Mean KIM-1 values were increased in patients with kidney stones when compared with volunteers. KIM-1 and NAG levels significantly increased post-SWL and returned to baseline within 2 weeks post-SWL. Poor kidney function was significantly associated with increased biomarker activity both in baseline and post-SWL measurements. There was no significant change in urinary KIM-1 and NAG concentrations before and after URS. CONCLUSIONS: Kim-1 and NAG levels significantly increased post-SWL treatment suggesting a potential role for these urinary markers in identifying patients at higher risk of tissue injury.
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 | 0,000 |
| 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 ».