A Prospective Study on Complement Activation Distinguishes Focal Segmental Glomerulosclerosis from Minimal Change Disease
Notice bibliographique
Résumé
IntroductionMinimal change disease (MCD) and focal segmental glomerulosclerosis (FSGS) are related podocytopathies with distinct kidney outcomes. Surprisingly, elevated urinary activation fragments have been found in FSGS despite little complement deposition on immunofluorescence staining. Whether complement activation distinguishes FSGS from MCD, participating in the development of segmental lesions, remains unknown.MethodsWe performed an observational study in subjects with MCD and FSGS, and proteinuria ≥ 1 g/g of creatinine. We included both primary and secondary or unknown causes. We compared urinary fragments of terminal pathway activation, sC5b9 and C5a expressed as creatinine ratios, between MCD and FSGS.ResultsPatients with FSGS (n=41) had a serum albumin of 31±10 g/L and proteinuria of 5.1 (2.6-9.1) g/g at sampling, while those with MCD (n=15) had a lower serum albumin (22±9 g/L, p=0.002), and a proteinuria of 3.8 (1.9-7.7) g/g (p=0.40). Urinary sC5b9 and C5a were 8.7 (1.7-52.3) and 1.26 (0.45-1.84) μg/mmol of creatinine, respectively in FSGS subjects, compared to 0.8 (0.0-1.5) and 0.06 (0.01-0.15) μg/mmol of creatinine in MCD (p<0.001), respectively. We found no association between urinary complement fragments and age, eGFR, or chronic kidney lesions. When analyzing samples with proteinurias ≥ 3 g/g, the c-statistics for urinary sC5b9 and C5a were 0.96 and 1.00, respectively, in differentiating FSGS from MCD.ConclusionWe found no urinary complement activation fragments in MCD, in comparison to FSGS, despite similar levels of proteinuria. This suggests a role for complement activation in the pathogenesis of FSGS and provides an additional tool for distinguishing these two entities.
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 | 0,001 |
| 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) | 0,000 | 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 ».