Development of Renal Dysfunction in an Infant Model of Polymicrobial Sepsis
Notice bibliographique
Résumé
Sepsis‐induced acute kidney injury increases mortality from 25% to nearly 45% in infants. We used a clinically relevant cecal ligation and puncture (CLP) sepsis model in rat pups 17–19 days old (developmentally comparable to a 5 to 6‐month‐old human infant) to characterize the development of renal dysfunction. Renal injury was assessed using intravital video microscopy (IVVM), blood urea nitrogen (BUN), and glomerular filtration rate (GFR) at 4, 6, and 18h following CLP. Temperature was measured as an indicator of Systemic Inflammatory Response Syndrome. Temperature was decreased as early as 6h following CLP and remained decreased through 18h. Lactate, an indicator of general organ hypoperfusion and hypoxia, was nearly doubled as early as 4h following CLP and remained elevated through 18h. IVVM analysis of the renal microcirculation showed a significant decrease in the percentage of continuously flowing capillaries (72% to 36%) and an increase in the percentage of capillaries with no flow (2% to 26%) at 6h following CLP that persisted through 18h. Clinically, measurement of BUN is used to assess renal function when GFR is difficult to measure. In this model, BUN was significantly increased by 4h following CLP and was increased even further by 18h. GFR is the gold standard measurement of renal function and it was measured using non‐invasive transcutaneous measurements of sinistrin clearance in conscious rat pups. GFR was decreased 50% as early as 4h following CLP and remained decreased through 18h. These findings show that this model of polymicrobial sepsis produces early and sustained renal dysfunction suggesting it could be used in preclinical studies to evaluate new targeted therapies for sepsis‐induced renal injury in infants. Support or Funding Information CRS supported by T32 GM106999, F31DK104533, AHA PRE20450050; PRM supported by AHA 15GRNT2508025 and UAMS Medical Research Foundation; PCG supported by ASPET Institutional SURF Award 2015.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| 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 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 ».