187-OR: Advanced Glycation End Products Predict Loss of Renal Function and High-Risk Chronic Kidney Disease in Type 2 Diabetes in the ACCORD Trial
Notice bibliographique
Résumé
Individual advanced glycation end products (AGEs) have been implicated in the development of chronic kidney disease (CKD). We evaluated the prognostic utility of a comprehensive multicomponent AGE panel in predicting long-term renal function loss and CKD when added to routine clinical measures in persons with type 2 diabetes (T2D) followed for 12.5 years (including risk factor intervention and observation phases). The five key AGEs (carboxymethyl and carboxyethyl lysine, and methylglyoxal, 3-deoxyglucosone and glyoxal hydroimidazolone) were measured via LC-MS/MS in baseline serum from 1,151 the Action to Control Cardiovascular Risk in Diabetes (ACCORD) trial participants. A composite AGE score was calculated as the mean of individual AGE z-scores. Outcomes were (1) renal function loss (≥40% decline in estimated glomerular filtration rate [eGFR]), (2) macroalbuminuria (MAU), and (3) high-risk CKD (hrCKD, KDIGO classification). Higher AGE score predicted greater risks of renal function loss (n=260 events, hazard ratio 1.49 [95%CI 1.24-1.79], p<0.0001), MAU (n=96, 1.45 [1.06-1.98], p=0.005) and hrCKD (n=128, 1.95 [1.47-2.57], p<0.0001), independent of baseline eGFR, urine albumin:creatinine, randomization arms, other standard risk factors and hemoglobin A1c. Higher AGE score predicted renal function loss even in those with normal renal function (1.40 [1.06-1.84], p=0.02). When added to routine risk factors, AGE score improved net-reclassification and integrated discrimination for renal function loss (by 19% and 17%, p=0.002) and hrCKD (by 34% and 4.9%; p=0.02), but not MAU (0.8% and 1.3%, p=0.6). There is a strong independent association between AGE burden and progression of CKD in T2D. Adding AGE measures to standard clinical parameters improves the prediction of multiple kidney outcomes, indicating its potential as prognostic biomarker of diabetes nephropathy. Disclosure J. Koska: None. H. C. Gerstein: Advisory Panel; Self; Novo Nordisk Inc., Pfizer Inc., Sanofi, Consultant; Self; Abbott, Covance Inc., Eli Lilly and Company, Kowa Company, Ltd., Sanofi, Other Relationship; Self; Boehringer Ingelheim (Canada) Ltd., DKSH, Eli Lilly and Company, Sanofi, Zuellig, Research Support; Self; AstraZeneca, Eli Lilly and Company, Merck & Co., Inc., Novo Nordisk Inc., Sanofi. P. J. Beisswenger: Stock/Shareholder; Self; PreventAGE Healthcare LLC. P. Reaven: Research Support; Self; AstraZeneca, Dexcom, Inc. Funding National Institutes of Health (R21HL150268)
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».