MétaCan
Menu
Retour à la cohorte
Enregistrement W2886431944 · doi:10.1152/ajprenal.00384.2017

Antihyperglycemic agents as novel natriuretic therapies in diabetic kidney disease

2018· review· en· W2886431944 sur OpenAlexafffund
David León Jiménez, David Z.I. Cherney, Petter Bjornstad, Luis Castilla‐Guerra, José Pablo Miramontes‐González

Notice bibliographique

RevueAmerican Journal of Physiology-Renal Physiology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensToronto General HospitalUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesCanadian Institutes of Health Research
Mots-clésTubuloglomerular feedbackNatriuresisMedicineInternal medicineEndocrinologyThiazideDiabetes mellitusDiureticKidney

Résumé

récupéré en direct d'OpenAlex

While sodium-glucose cotransporter-2 (SGLT2) inhibitors have been used for the routine management of type 2 diabetes for several years, it is perhaps their natriuretic effects that are most important clinically. This natriuresis activates tubuloglomerular feedback, resulting in reduced glomerular hypertension and proteinuria, leading to renal protective effects in the EMPA-REG OUTCOME and CANVAS Program trials. In the cardiovascular system, it is likely that plasma volume contraction due to natriuresis in response to SGLT2 inhibition is at least in part responsible for the reduction in the risk of heart failure observed in these trials. We compare this mechanism of action with other antidiabetics. Importantly, other diuretic classes, including thiazide and loop diuretics, have not resulted in such robust clinical benefits in patients with type 2 diabetes, possibly because these older agents do not influence intraglomerular pressure directly. In contrast, SGLT2 inhibitors do have important physiological similarities with carbonic anhydrase inhibitors, which also act proximally, and have been shown to activate tubuloglomerular feedback.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,318
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physiology-Renal PhysiologyMême sujetDiabetes Treatment and ManagementTravaux en français237 207