Neutrophil count as a reliable marker for diabetic kidney disease in autoimmune diabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A growing body of evidence supports neutrophils as having an active role in the development of diabetic kidney disease (DKD). However, the clinical relevance of neutrophils and DKD in autoimmune diabetes remains unknown. This study aimed to investigate the relationship between circulating neutrophils and DKD in autoimmune diabetes. METHODS: Patients with type 1 diabetes (T1D, n = 226) and latent autoimmune diabetes in adults (LADA, n = 79) were enrolled and stratified according to the urinary albumin to creatinine ratio (ACR). Circulating levels of white blood cells (WBCs), including neutrophils, were measured in a central laboratory, and the neutrophil-to-lymphocyte ratio (NLR) was calculated. The risk factors associated with DKD were analysed by logistic regression. RESULTS: In T1D and LADA patients, the peripheral neutrophil counts increased in parallel with DKD advancement. The neutrophil counts in the patients with macroalbuminuria were significantly higher than those in the patients with normoalbuminuria for each type of diabetes. Furthermore, neutrophil counts positively correlated with ACR in T1D. In addition, neutrophils were independently associated with DKD in T1D in the logistic regression analysis, when various well-known risk factors, including age, gender, disease duration, hypertension, dyslipidemia and smoking status, were adjusted. CONCLUSIONS: Neutrophil counts are closely associated with DKD in patients with autoimmune diabetes, suggesting that neutrophil-mediated inflammation may be involved in the pathogenesis of DKD in patients with autoimmune diabetes.
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.
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 découle