Chronic Kidney Disease Stage G4 in a Diabetic Patient Improved by Multi-Disciplinary Treatments Based Upon Literature Search for Therapeutic Evidence
Notice bibliographique
Résumé
In the EMPA-REG OUTCOME trial, sodium-glucose cotransporter 2 (SGLT2) inhibitor, empagliflozin, reduced incident or worsening nephropathy. In the LEADER trial, a glucagon-like peptide 1 (GLP-1) receptor agonist, liraglutide, resulted in lower rates of the development and progression of diabetic kidney disease than placebo. Therefore, the American Diabetes Association and the European Association for the Study of Diabetes recommend the decision to treat high-risk individuals with a GLP-1 receptor agonist or SGLT2 inhibitor to reduce chronic kidney disease (CKD) progression should be considered. A 72-year-old male obese diabetic patient developed CKD stage G4 despite of use of both SGLT2 inhibitor and GLP-1 receptor agonist. We started using sodium bicarbonate because he showed metabolic acidosis due to uremia. We also started to use spherical carbonaceous adsorbent which adsorbs indole, the precursor of indoxyl sulfate, uremic toxin. We started the treatment with finerenone, a nonsteroidal, selective mineralocorticoid receptor antagonist, which has been recently shown to lower risks of CKD progression. Considering unfavorable effects of hyperuricemia on CKD, to treat his hyperuricemia, we started to use dotinurad, a novel selective urate reabsorption inhibitor, which reduces serum urate levels by selective inhibition of urate transporter 1. The improvement of CKD stage G4 in a diabetic patient was obtained by such multi-disciplinary treatments in addition to SGLT2 inhibitor and GLP-1 receptor agonist.
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 | 0,001 | 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) | 0,000 | 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 ».