Plasma uric acid effects on glomerular haemodynamic profile of patients with uncomplicated Type 1 diabetes mellitus
Notice bibliographique
Résumé
AIMS: Increased plasma uric acid (PUA) levels are associated with impaired renal function in patients with Type 1 diabetes, but the mechanisms are not well understood. Our aim was to evaluate whether higher PUA levels are associated with increased afferent arteriolar resistance in patients with Type 1 diabetes vs. healthy controls, thereby influencing renal function. METHODS: PUA, GFR (inulin) and effective renal plasma flow (ERPF; para-aminohippurate) were measured in 70 otherwise healthy patients with Type 1 diabetes and 60 healthy controls. Gomez's equations were used to estimate afferent (RA ) and efferent (RE ) arteriolar resistances, glomerular hydrostatic pressure (PGLO ) and filtration pressure (ΔPF ). The relationships between PUA and glomerular haemodynamic parameters were evaluated by univariable linear regression correlation coefficients. RESULTS: In patients with Type 1 diabetes, higher PUA correlated with lower PGLO (P = 0.002) and ΔPF (P = 0.0007), with higher RA (P = 0.001), but not with RE (P = 0.55). These associations were accompanied by correlations between higher PUA with lower GFR (P = 0.0007), ERPF (P = 0.008), RBF (P = 0.047) and higher RVR (P = 0.021). There were no significant correlations between PUA and renal haemodynamic parameters in the healthy controls. CONCLUSIONS: The association between higher PUA with lower GFR and lower ERPF in patients with Type 1 diabetes is driven by alterations in the estimated RA . PUA-mediated RA may be caused by increased tone or thickening of the afferent renal arteriole, which might potentiate renal injury by causing ischaemia to the renal microcirculation.
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) | 0,001 | 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 ».