Renal Autologous Cell Therapy to Stabilize Function in Diabetes-Related Chronic Kidney Disease: Corroboration of Mechanistic Action With Cell Marker Analysis
Notice bibliographique
Résumé
Introduction: Chronic kidney disease (CKD) is a worldwide disease without cure. Selected renal cells (SRCs) can augment kidney function in animal models. This study correlates the phenotypical characteristics of autologous homologous SRCs (formulated product called Renal Autologous Cell Therapy [REACT]) injected into patients' kidneys with advanced type 2 diabetes-related CKD (D-CKD) to clinical and laboratory findings. Methods: A total of 22 adults with type 2 D-CKD underwent a kidney biopsy followed by 2 subcortical injections of SRCs, 7 ± 3 months apart. There were 2 patients who had only 1 injection. We compared annualized estimated glomerular filtration rate (eGFR) slopes pre- and post-REACT injection using the 2009 CKD-EPI formula for serum creatinine (sCr) and the 2012 CKD-EPI Creatinine-Cystatin C equation and report clinical/laboratory changes. Fluorescent Activated Cell Sorting (FACS) Analysis for renal progenitor lineages in REACT and donor vascular endothelial growth factor A (VEGF-A) analysis were performed. Longitudinal parameter changes were analyzed with longitudinal linear mixed effects model. Results: postinjection. SRCs were found to have cell markers of ureteric bud, mesenchyme cap, and podocyte sources and positive VEGF. There were 2 patients who had remote fatal adverse events determined as unrelated with the biopsies/injections or the REACT product. Conclusion: Our cell marker analysis suggests that SRCs may enable REACT to stabilize and improve kidney function, possibly halting type 2 D-CKD progression.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».