Role of Oxidative Stress in Erythropoietin-Induced Hypertension in Uremic Rats
Notice bibliographique
Résumé
BACKGROUND: Erythropoietin (EPO) administration in uremic rats leads to an increase in blood pressure (BP). Because chronic renal failure has been associated with oxidative stress, we hypothesize that EPO treatment could accentuate this condition and contribute to hypertension. The present study was designed to investigate the role of reactive oxygen species in EPO-induced hypertension and the effect of tempol, a superoxide dismutase-mimetic. METHODS: Renal failure was induced by a two-stage 5/6 nephrectomy followed by a 3-week stabilization period. Uremic rats were divided into four groups and received for 4 weeks: vehicle; EPO (100 U/kg, subcutaneously, three times per week); vehicle + tempol (1 mmol/l in drinking water); and EPO + tempol. Systolic BP and biochemical parameters were assessed before and at the end of the treatment. Renal histology, creatinine clearance rate, endothelin-1 (ET-1) concentrations and superoxide anion production were assessed at the end of the study. RESULTS: The uremic rats developed anemia and hypertension. ET-1 concentrations and superoxide anion production were increased. EPO administration corrected anemia, but accentuated hypertension and renal injuries such as glomerulosclerosis, interstitial fibrosis, and inflammation. EPO therapy further increased tissue levels of ET-1 and superoxide anion production. Tempol treatment improved hypertension and renal injury, and reduced ET-1 concentrations and superoxide anion production. CONCLUSION: Oxidative stress contributes to the development of hypertension and to the progression of renal injuries in uremic rats. EPO administration further increases oxidative stress, which might partly account for the accentuation of hypertension and renal 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 | 0,001 |
| 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 ».