Targeting multiple pathways reduces renal and cardiac fibrosis in rats with subtotal nephrectomy followed by coronary ligation
Notice bibliographique
Résumé
AIM: Multiple interacting pathways contribute to progression of renal and cardiac damage in chronic kidney disease followed by chronic heart failure (renocardiac syndrome). We hypothesized that simultaneous pharmacological modulation of critical pathways implicated in renocardiac syndrome would effectively reduce fibrosis in and preserve function of heart and kidney. METHODS: Rats were subjected to subtotal nephrectomy followed 9 weeks later by coronary artery ligation. From week 11 until week 16, rats received vehicle or losartan, or a combination of the NF-kB inhibitor PDTC, the NO donor molsidomine and superoxide dismutase mimetic tempol, or a combination of all four of these plus metoprolol together. At week 16, renal and cardiac structure, function and gene expression were assessed. RESULTS: Individual and combined treatments were similarly effective in limiting cardiac fibrosis and further decline in systolic function. Combined treatment with all five drugs reduced renal fibrosis and CTGF gene expression more effectively than other strategies. Combining all five drugs reduced heart rate, inotropy and mean arterial pressure (MAP). CONCLUSION: Thus, in our model of chronic renocardiac syndrome, combined treatments similarly decreased cardiac fibrosis and stabilized systolic function as losartan alone, perhaps suggesting a dominant role for a single factor such as angiotensin II type 1 (AT1) receptor activation or inflammation in the network of aberrant systems in the heart. However, tubulointerstitial fibrosis was most effectively reduced by a five-drug regimen, pointing to additive effects of multiple pathophysiological pathways in the kidney.
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) | 0,000 | 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 ».