Association Between Obesity and Chronic Kidney Disease: Multivariable Mendelian Randomization Analysis and Observational Data From a Bariatric Surgery Cohort
Notice bibliographique
Résumé
Obesity is postulated to independently increase chronic kidney disease (CKD), even after adjusting for type 2 diabetes (T2D) and hypertension. Dysglycemia below T2D thresholds, frequently seen with obesity, also increases CKD risk. Whether obesity increases CKD independent of dysglycemia and hypertension is unknown and likely influences the optimal weight loss (WL) needed to reduce CKD. T2D remission rates plateau with 20-25% WL after bariatric surgery (BS), but further WL increases normoglycemia and normotension. We undertook bidirectional inverse variance weighted Mendelian randomization (IVWMR) to investigate potential independent causal associations between increased BMI and estimated glomerular filtration rate (eGFR) in CKD (CKDeGFR) (<60 mL/min/1.73 m2) and microalbuminuria (MA). In 5,337 BS patients, we assessed whether WL influences >50% decline in eGFR (primary outcome) or CKD hospitalization (secondary outcome), using <20% WL as a comparator. IVWMR results suggest that increased BMI increases CKDeGFR (b = 0.13, P = 1.64 × 10-4; odds ratio [OR] 1.14 [95% CI 1.07, 1.23]) and MA (b = 0.25; P = 2.14 × 10-4; OR 1.29 [1.13, 1.48]). After adjusting for hypertension and fasting glucose, increased BMI did not significantly increase CKDeGFR (b = -0.02; P = 0.72; OR 0.98 [0.87, 1.1]) or MA (b = 0.19; P = 0.08; OR 1.21 [0.98, 1.51]). Post-BS WL significantly reduced the primary outcome with 30 to <40% WL (hazard ratio [HR] 0.53 [95% CI 0.32, 0.87]) but not 20 to <30% WL (HR 0.72 [0.44, 1.2]) and ≥40% WL (HR 0.73 [0.41, 1.30]). For CKD hospitalization, progressive reduction was seen with increased WL, which was significant for 30 to <40% WL (HR 0.37 [0.17, 0.82]) and ≥40% WL (HR 0.24 [0.07, 0.89]) but not 20 to <30% WL (HR 0.60 [0.29, 1.23]). The data suggest that obesity is likely not an independent cause of CKD. WL thresholds previously associated with normotension and normoglycemia, likely causal mediators, may reduce CKD after BS.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».