Chronic kidney disease stage affects small, dense low-density lipoprotein but not glycated low-density lipoprotein in younger chronic kidney disease patients: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Small, dense low-density lipoprotein (sd-LDL) and glycated LDL (g-LDL) have been associated with cardiovascular disease (CVD) in chronic kidney disease (CKD) in patients >60 years of age. Since young adult and paediatric patients have shorter exposure to Framingham-type risk factors, our study aims to determine whether younger CKD patients exhibit the same sd-LDL and g-LDL pattern. METHODS: After ethics board approval, this cross-sectional study was conducted at two universities with 44 patients (mean ± standard deviation age 12.6 ± 4.9, range 2-24 years) with CKD stage of 1-5. Laboratory parameters studied were Cystatin C (CysC), CysC estimated glomerular filtration rate (eGFR) (calculated from the Filler formula), sd-LDL, g-LDL and albumin. Lipid samples were measured for sd-LDL and g-LDL using ELISA. Non-linear correlation analysis was performed to determine the relationship between g-LDL, sd-LDL and eGFR. Clinical Trials Registration is at clinicaltrials.gov, NCT02126293, https://clinicaltrials.gov/ct2/show/NCT02126293. RESULTS: = -0.3895, P = 0.0189), but not with age. By contrast, there was no significant correlation between g-LDL and CKD stages or CysC eGFR (P = 0.9678). CONCLUSIONS: Our study demonstrates that only triglycerides and sd-LDL were associated with CKD stages in this young cohort without confounding Framingham-type CVD risk factors. While larger studies are needed, this study suggests that lowering sd-LDL levels may be a potential target to ameliorate the long-term CVD risks in paediatric CKD patients.
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 | 0,004 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».