Chronic Inflammation in Chronic Kidney Disease Progression: Role of Nrf2
Notice bibliographique
Résumé
Despite recent advances in the management of chronic kidney disease (CKD), morbidity and mortality rates in these patients remain high. Although pressure-mediated injury is a well-recognized mechanism of disease progression in CKD, emerging data indicate that an intermediate phenotype involving chronic inflammation, oxidative stress, hypoxia, senescence, and mitochondrial dysfunction plays a key role in the etiology, progression, and pathophysiology of CKD. A variety of factors promote chronic inflammation in CKD, including oxidative stress and the adoption of a proinflammatory phenotype by resident kidney cells. Regulation of proinflammatory and anti-inflammatory factors through NF-κB- and nuclear factor, erythroid 2 like 2 (Nrf2)-mediated gene transcription, respectively, plays a critical role in the glomerular and tubular cell response to kidney injury. Chronic inflammation contributes to the decline in glomerular filtration rate (GFR) in CKD. Whereas the role of chronic inflammation in diabetic kidney disease (DKD) has been well-elucidated, there is now substantial evidence indicating unresolved inflammatory processes lead to fibrosis and eventual end-stage kidney disease (ESKD) in several other diseases, such as Alport syndrome, autosomal-dominant polycystic kidney disease (ADPKD), IgA nephropathy (IgAN), and focal segmental glomerulosclerosis (FSGS). In this review, we aim to clarify the mechanisms of chronic inflammation in the pathophysiology and disease progression across the spectrum of kidney diseases, with a focus on Nrf2.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».