Determining Risk Factors for Triple Whammy AKI using Computational Models of Long‐ Term Blood Pressure Regulation
Notice bibliographique
Résumé
Concurrent use of diuretics, angiotensin converting enzyme inhibitors (ACEI)/angiotensin receptor blockers (ARB), and nonsteroidal anti‐inflammatory drugs (NSAIDs) increases the risk of acute kidney injury (AKI). AKI resulting from use of all three drugs is referred to as “triple whammy”. Diuretics and ACEI/ARB are often prescribed in tandem for the treatment of hypertension while some NSAIDs, such as ibuprofen, are available over the counter. As such, concurrent treatment with all three drugs is common. To address the critical need to better understand the mechanisms behind the increased risk of AKI and to identify potential risk factors, we use computational models of long‐term blood pressure regulation we developed previously. We hypothesize that individual variations in tubuloglomerular feedback, renal sympathetic nervous activity, and vasoactive hormones such as angiotensin II will determine whether or not triple whammy patients develop AKI. Other circumstances that we hypothesize to influence AKI development include hypertension, salt ingestion and sensitivity, and genetic polymorphisms in enzymes (ACE) or receptors (angiotensin type 1). The computational models used include variables describing the heart and circulation, kidney function, sodium and water reabsorption in the nephron, and the renin angiotensin system (RAS) and is fit separately for male and female humans. Support or Funding Information This research was supported by the Canada 150 Research Chair program and by the National Institutes of Health: National Institute of Diabetes and Digestive and Kidney Diseases, grant R01DK106102. This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 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 ».