Urinary interleukin-9 in youth with type 1 diabetes mellitus
Notice bibliographique
Résumé
AIMS: Interleukin-9 (IL-9) attenuates podocyte injury in experimental kidney disease, but its role in diabetic nephropathy is unknown. We sought to relate urinary IL-9 levels to the release of podocyte-derived extracellular vesicles (EVs) in youth with type 1 diabetes. We related urinary IL-9 levels to clinical variables and studied interactions between urinary IL-9, vascular endothelial growth factor (VEGF), tumor necrosis factor alpha (TNFα) and interleukin-6 (IL-6) on urinary albumin/creatinine ratio (ACR) a functional measure of podocyte injury. METHODS: We performed an analysis of urine samples and clinical data from a cohort of youth with type 1 diabetes (n = 53). Cytokines were measured using a Luminex platform (Eve Technologies), and nanoscale flow cytometry was employed to quantify urinary podocyte-derived EVs. All urinary measures were normalized to urinary creatinine. RESULTS: . IL-9 was inversely related to podocyte EVs (r = - 0.56, p = 0.003). IL-9 was also inversely related to blood glucose, HbA1C and eGFR (r = - 0.44, p = 0.002; r = - 0.41, p = 0.003; r = - 0.49, p < 0.001, respectively) and positively correlated with systolic BP (r = 0.30, p = 0.04). There was a significant interaction between IL-9, EVs and ACR (p = 0.0143), and the relationship between IL-9 and ACR depended on VEGF (p = 0.0083), TNFα (p = 0.0231) and IL-6 levels (p = 0.0178). CONCLUSIONS: IL-9 is associated with podocyte injury in early type 1 diabetes, and there are complex interactions between urinary IL-9, inflammatory cytokines and ACR.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».