Therapeutic effects of micro-RNAs in preclinical studies of acute kidney injury: a systematic review and meta-analysis
Notice bibliographique
Résumé
AKI has a high mortality rate, may lead to chronic kidney disease, and effective therapies are lacking. Micro-RNAs (miRNAs) regulate biologic processes by potently inhibiting protein expression, and pre-clinical studies have explored their roles in AKI. We conducted a systematic review and meta-analysis of miRNAs as therapeutics in pre-clinical AKI. Study screening, data extraction, and quality assessments were performed by 2 independent reviewers. Seventy studies involving 42 miRNA species were included in the analysis. All studies demonstrated significant effects of the miRNA intervention on kidney function and/or histology, with most implicating apoptosis and phosphatase and tensin homolog (PTEN) signaling. Fourteen studies (20.0%) examined the effect of miRNA-21 in AKI, and meta-analysis demonstrated significant increases in serum creatinine and kidney injury scores with miR-21 antagonism and pre-conditioning. No studies reported on adverse effects of miRNA therapy. Limitations also included lack of model diversity (100% rodents, 61.4% ischemia-reperfusion injury), and predominance of male sex (78.6%). Most studies had an unclear risk of bias, and the majority of miRNA-21 studies were conducted by a single team of investigators. In summary, several miRNAs target kidney function and apoptosis in pre-clinical AKI models, with data suggesting that miRNA-21 may mediate protection and kidney repair.Systematic review registration ID: CRD42019128854.
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 | 0,014 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,022 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».