Lower total and percent of high-molecular-weight adiponectin concentration in South Asian kidney transplant recipients
Notice bibliographique
Résumé
Ethnicity is an important determinant of post-renal transplant outcomes. Limited data are available on cardiovascular risk differences in kidney transplant recipients (KTR) based on ethnicity. A group of 129 clinically stable age-matched KTR [43 South Asian (SA), 86 Caucasian]) were assessed for plasma total and high-molecular-weight (HMW) adiponectin, cystatin C, apolipoproteins A1 and B, C-reactive protein, uric acid, urine albumin-to-creatinine ratio, estimated glomerular filtration rate (eGFR) and transplant-specific plus traditional Framingham risk factors. SA and Caucasians were compared by t-tests, Wilcoxon rank-sum or chi-square testing. Accounting for the matched design, multivariable linear regression was performed to determine predictors of adiponectin concentrations. SA did not differ from Caucasians in background cardiac disease or cardioprotective medication use or risk factors other than smoking (26 versus 56%, P = 0.001). Total adiponectin (9.5 ± 3.5 versus 12.9 ± 6.7 μmg/mL, P < 0.001) and HMW adiponectin (22 ± 9 versus 29 ± 11%, P < 0.001) were significantly lower in SA. Determinants of total adiponectin included SA ethnicity (P = 0.02), cystatin C-eGFR (P < 0.001), high-density lipoprotein (HDL) cholesterol (P < 0.0001) and waist-to-hip ratio (P < 0.001), while those of HMW adiponectin included SA ethnicity (P < 0.001), cystatin C-eGFR (P = 0.03) and HDL cholesterol (P = 0.001). There were no important differences in the other measured biomarkers. Total and HMW adiponectin concentrations are lower in SA KTR and may be promising exploratory biomarkers of post-transplant cardiovascular risk.
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 | 0,001 | 0,002 |
| 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 ».