Renal histology in diabetic nephropathy predicts progression to end-stage kidney disease but not the rate of renal function decline
Notice bibliographique
Résumé
Abstract Background While histopathologic changes correlate with functional impairment in cross-sectional studies of diabetic nephropathy (DN), whether these findings predict future rate of kidney function loss remains uncertain. We thus sought to examine the relationship between kidney histopathology, incidence of end-stage kidney disease (ESKD), and rate of estimated glomerular filtration rate (eGFR) loss in DN. Methods In this longitudinal cohort study, we studied 50 adults diagnosed with biopsy-proven DN. We analyzed the histopathologic parameters of each patient’s kidney biopsy, as defined by the Renal Pathology Society classification system for DN, and tracked all available eGFR measurements post-biopsy. We additionally collected baseline clinical parameters (at the time of biopsy), including eGFR, albumin-to-creatinine ratio (ACR), and hemoglobin A 1c . Multivariable linear regression was used to assess the relationship between histologic and clinical parameters at the time of the biopsy and eGFR slope. Kaplan-Meier curves and Cox regression were used to evaluate the association between histologic and clinical parameters and ESKD incidence. Results Progression to ESKD was associated with worsening interstitial fibrosis score ( p = 0 . 05), lower baseline eGFR ( p = 0 . 02), higher ACR ( p = 0 . 001), and faster eGFR decline ( p < 0.001). The rate of eGFR decline did not associate with any histologic parameter. Baseline ACR was the only studied variable correlating with eGFR slope (rho = − 0 . 41). Conclusions Renal histology predicts ultimate progression to ESKD, but not the rate of progression. Future work is required to identify novel predictors of rapid functional decline in patients with diabetic nephropathy.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 tête enseignante, 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 ».