11.6 THE AORTIC-TO-BRACHIAL STIFFNESS GRADIENT AND AORTIC RESERVOIR-EXCESS PRESSURE IN A DIALYSIS POPULATION
Notice bibliographique
Résumé
Introduction: Cardiovascular diseases are the primary cause of morbidity and mortality in patients with chronic kidney disease (CKD).Aortic stiffness is a non-traditional risk factor in these patients.Using an animal model of CKD with vascular calcification, we reported that inflammation is involved in the development of aortic calcification and stiffness.Hence, increased vascular production of IL-1b, IL-6 and TNFa was associated with aortic calcification.Therefore, we investigated the impact of the latter cytokines on aortic stiffness and determined the profile of inflammatory cytokines in a cohort of CKD patients.Methods: This is a transversal study involving 196 CKD patients on dialysis, in which aortic stiffness was determined non-invasively by the assessment of carotid-femoral pulse wave velocity (cf-PWV) using Complior SP (Artech Medical, Pantin, France).The profile of inflammatory cytokines (IFNv, IL-1a, IL-1b, IL-2, IL-4, IL-6, IL-8, IL-10, IL-12 and TNF a) was determined in plasma by ELISA using a Multiplex (Aushon, Maine, USA).Results: Mean cf-PWV of the cohort was 12.8AE3.9m/s.Median plasma levels of IL-1b, IL-6 and TNFa were 1.01 pg/ml, 4.26 pg/ml and 3.33 pg/ml, respectively.IL-6 levels positively correlated with cf-PWV (b Z 0.218, P Z 0.006, R Z 0.129), suggesting a role in aortic stiffness.In contrast, no correlation between PWV and plasma levels of IL-1b or TNFa was established. Conclusion:This study reveals a relationship between an inflammatory cytokine, Il-6, and aortic stiffness in patients with CKD.Our results, together with our previous findings in an experimental animal model, indicate that IL-6 may represent a novel therapeutic target of cardiovascular diseases in CKD.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».