Acute kidney injury during an ultra-distance race
Notice bibliographique
Résumé
PURPOSE: Previous studies have noted consequences of ultra-distance trail running on health, but few studies are available regarding the temporal variations of renal biomarker injury during the running. The aim of this study was to assess the of kidney function parameters temporal variation during and on short-term after an ultra-distance race. METHODS: We performed an observational study with 47 subjects participating in an ultra-distance race (80 km). Urine (47 subjects) and blood (21 subjects) samples were serially collected before (baseline-km 0), during (21 and 53 km), on arrival (80 km), and 9 days after the race (d9). RESULTS: Mean serum creatinine increased during the race from 90±14 μmol/L (km0) to 136±32 μmol/L (km 80-p<0.0001) corresponding to a 52% increase. Mean creatininuria progressively increased from 4.7±4.5 mmol/L (km 0) to 22.8±12.0 mmol/L (km 80) (p<0.0001). Both urinary biomarkers (Neutrophil Gelatinase Associated Lipocalin and Kidney Injury Molecule-1) of acute kidney injury (AKI) progressively increased during the race (p<0.05 vs baseline). However, after adjustment to urine dilution by urine creatinine, no significant changes remained (p>0.05). On day 9, no significant difference remains in blood and urine biomarkers compared to their respective baseline levels. CONCLUSIONS: During an ultra-distance race, despite an acute and transient increase in the serum creatinine levels, urinary biomarkers of AKI displayed only limited changes with a complete regression on day 9. These results suggest the absence of the short-term impact of an ultra-distance race kidney function.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».