MétaCan
Menu
Retour à la cohorte
Enregistrement W2989195101 · doi:10.1097/mnh.0000000000000570

Pharmacologic epigenetic modulators of alkaline phosphatase in chronic kidney disease

2019· review· en· W2989195101 sur OpenAlexaff
Mathias Haarhaus, Dean Gilham, Ewelina Kulikowski, Per Magnusson, Kamyar Kalantar‐Zadeh

Notice bibliographique

RevueCurrent Opinion in Nephrology & Hypertension · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAlkaline Phosphatase Research Studies
Établissements canadiensResverlogix (Canada)
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésKidney diseaseEpigeneticsMedicineDiseaseInternal medicineBioinformaticsOncologyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: In chronic kidney disease (CKD), disturbance of several metabolic regulatory mechanisms cause premature ageing, accelerated cardiovascular disease (CVD), and mortality. Single-target interventions have repeatedly failed to improve the prognosis for CKD patients. Epigenetic interventions have the potential to modulate several pathogenetic processes simultaneously. Alkaline phosphatase (ALP) is a robust predictor of CVD and all-cause mortality and implicated in pathogenic processes associated with CVD in CKD. RECENT FINDINGS: In experimental studies, epigenetic modulation of ALP by microRNAs or bromodomain and extraterminal (BET) protein inhibition has shown promising results for the treatment of CVD and other chronic metabolic diseases. The BET inhibitor apabetalone is currently being evaluated for cardiovascular risk reduction in a phase III clinical study in high-risk CVD patients, including patients with CKD (ClinicalTrials.gov Identifier: NCT02586155). Phase II studies demonstrate an ALP-lowering potential of apabetalone, which was associated with improved cardiovascular and renal outcomes. SUMMARY: ALP is a predictor of CVD and mortality in CKD. Epigenetic modulation of ALP has the potential to affect several pathogenetic processes in CKD and thereby improve cardiovascular outcome.

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 enseignants0,006
Score d'incertitude au seuil0,019

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,148
Tête enseignante GPT0,430
Écart entre enseignants0,281 · 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

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Nephrology & HypertensionMême sujetAlkaline Phosphatase Research StudiesTravaux en français237 207