Renal Considerations in COVID-19: Biology, Pathology, and Pathophysiology
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
Severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) has emerged into a worldwide pandemic of epic proportion. Beyond pulmonary involvement in coronavirus disease 2019 (COVID-19), a significant subset of patients experiences acute kidney injury. Patients who die from severe disease most notably show diffuse acute tubular injury on postmortem examination with a possible contribution of focal macro- and microvascular thrombi. Renal biopsies in patients with proteinuria and hematuria have demonstrated a glomerular dominant pattern of injury, most notably a collapsing glomerulopathy reminiscent of findings seen in human immunodeficiency virus (HIV) in individuals with apolipoprotein L-1 (APOL1) risk allele variants. Although various mechanisms have been proposed for the pathogenesis of acute kidney injury in SARS-CoV-2 infection, direct renal cell infection has not been definitively demonstrated and our understanding of the spectrum of renal involvement remains incomplete. Herein we discuss the biology, pathology, and pathogenesis of SARS-CoV-2 infection and associated renal involvement. We discuss the molecular biology, risk factors, and pathophysiology of renal injury associated with SARS-CoV-2 infection. We highlight the characteristics of specific renal pathologies based on native kidney biopsy and autopsy. Additionally, a brief discussion on ancillary studies and challenges in the diagnosis of SARS-CoV-2 is presented.
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 | 0,001 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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