MétaCan
Menu
Retour à la cohorte
Enregistrement W2915260803 · doi:10.1186/s12882-019-1220-6

Insulin resistance and chronic kidney disease progression, cardiovascular events, and death: findings from the chronic renal insufficiency cohort study

2019· article· en· W2915260803 sur OpenAlexfundno aff
Sarah J. Schrauben, Christopher Jepson, Jesse Y. Hsu, F. Perry Wilson, Xiaoming Zhang, James P. Lash, Bruce Robinson, Raymond R. Townsend, Jing Chen, Leon Fogelfeld, Patricia F. Kao, J. Richard Landis, Daniel J. Rader, L. Lee Hamm, Amanda H. Anderson, Harold I. Feldman

Notice bibliographique

RevueBMC Nephrology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesMedical Research CouncilNational Center for Research ResourcesClinical and Translational Science Collaborative of Cleveland, School of Medicine, Case Western Reserve UniversityUniversity of Illinois at Urbana-ChampaignNational Institutes of HealthPerelman School of Medicine, University of PennsylvaniaNational Institute of General Medical SciencesEuropean Renal Association-European Dialysis and Transplant AssociationNational Institute of Diabetes and Digestive and Kidney DiseasesKyowa Hakko KirinInstitut National de la Santé et de la Recherche MédicaleNational Institute for Health and Care ResearchNational Research Council of ThailandKing Chulalongkorn Memorial HospitalFresenius Medical Care North AmericaGeorgia Clinical and Translational Science AllianceUniversity of PennsylvaniaChulalongkorn UniversityDeutsches KrebsforschungszentrumPatient-Centered Outcomes Research InstituteMichigan Institute for Clinical and Health ResearchKaiser PermanenteCancer Care OntarioJohns Hopkins UniversityAmgenUniversity of California, San FranciscoNational Health and Medical Research CouncilAstraZenecaAmerican Heart Association
Mots-clésMedicineInsulin resistanceInternal medicineKidney diseaseDiabetes mellitusCohortNephrologyProportional hazards modelType 2 diabetesEndocrinologyCohort studyInsulin

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Insulin resistance contributes to the metabolic syndrome, which is associated with the development of kidney disease. However, it is unclear if insulin resistance independently contributes to an increased risk of chronic kidney disease (CKD) progression or CKD complications. Additionally, predisposing factors responsible for insulin resistance in the absence of diabetes in CKD are not well described. This study aimed to describe factors associated with insulin resistance and characterize the relationship of insulin resistance to CKD progression, cardiovascular events and death among a cohort of non-diabetics with CKD. METHODS: Data was utilized from Chronic Renal Insufficiency Cohort Study participants without diabetes (N = 1883). Linear regression was used to assess associations with insulin resistance, defined using the Homeostasis Model Assessment of Insulin Resistance (HOMA-IR). The relationship of HOMA-IR, fasting glucose, hemoglobin A1c (HbA1c), and C-peptide with CKD progression, cardiovascular events, and all-cause mortality was examined with Cox proportional hazards models. RESULTS: Novel positive associations with HOMA-IR included serum albumin, uric acid, and hemoglobin A1c. After adjustment, HOMA-IR was not associated with CKD progression, cardiovascular events, or all-cause mortality. There was a notable positive association of one standard deviation increase in HbA1c with the cardiovascular endpoint (HR 1.16, 95% CI: 1.00-1.34). CONCLUSION: We describe potential determinants of HOMA-IR among a cohort of non-diabetics with mild-moderate CKD. HOMA-IR was not associated with renal or cardiovascular events, or all-cause mortality, which adds to the growing literature describing an inconsistent relationship of insulin resistance with CKD-related outcomes.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,250
Écart entre enseignants0,241 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations96
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NephrologyMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207