Ameliorative effects of pirfenidone in chronic kidney disease
Notice bibliographique
Résumé
Renal fibrosis is the hallmark of advanced chronic kidney disease (CKD), which is characterized by excessive accumulation of extracellular matrix (ECM) proteins and plays a central role in the pathogenesis and progression of CKD to end-stage renal disease (ESRD). The molecular and cellular substances of kidney fibrosis include growth factors, such as fibroblast growth factor (FGF), transforming growth factor beta (TGF-β) and platelet-derived growth factor (PDGF), alongside cytokines (like interleukin-1b) and metalloproteinases. Therefore, these factors can be evaluated as possible targets for anti-fibrotic agents. Among the mediators of fibrosis, TGF-β is the dominant facilitator of renal fibrosis that induces ECM construction and accumulation. Numerous studies have focused on the inhibition of TGF-β and its downstream targets for the treatment of renal disease. Abolition of TGF-β mRNA expression was found to be the mechanism of anti-fibrotic drug, pirfenidone, in the heart and kidneys of diabetic rats. Various investigations have shown the impact of pirfenidone in diminishing kidney fibrosis, with studies containing patients diagnosed with subtotal nephrectomy, diabetic kidney disease and unilateral ureteral obstruction (UUO), administered drugs such as cyclosporine, tacrolimus, doxorubicin and vanadate. Several therapeutic drugs for fibrosis reduce only one of the oxidative, inflammatory or profibrogenic markers, while pirfenidone targets all three of these markers and therefore, seems to be a particularly valuable drug.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».