The therapeutic potential of C-peptide in kidney disease: a protocol for a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Kidney disease remains a major cause of morbidity and mortality in Canada and worldwide. New medical treatments are needed to reduce the progression of kidney disease to improve patient outcomes. C-peptide is normally released by pancreatic beta-cells along with insulin in healthy individuals, and has been shown to have intrinsic biological activity and to potentially be renoprotective. The effect of exogenous C-peptide on kidney structure and function, and the role of C-peptide in the treatment of kidney disease have not yet been fully elucidated. METHODS/DESIGN: We will conduct a systematic review of the literature in human clinical trials and mammalian experimental models to ascertain the current evidence for the role of C-peptide as a potential therapeutic agent for the treatment of kidney disease. We aim to identify whether exogenously delivered C-peptide has an effect on clinically relevant outcomes such as glomerular filtration rate, proteinuria, kidney histology, requirement of renal replacement therapy, and mortality. We will search MEDLINE, EMBASE, and the Cochrane Central Databases for human or animal studies in which C-peptide was administered and renal endpoints were subsequently measured. Study quality will be assessed using the Cochrane Collaboration's tool for assessing risk of bias. If appropriate, a meta-analysis will be performed as per standard techniques. DISCUSSION: The results of this study will determine the potential role of C-peptide as a therapeutic intervention for patients with kidney disease and will help guide subsequent clinical trials. The study may also provide insight into which patients or disease states are likely to benefit the most from C-peptide. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42014007472.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,006 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».