Phosphate in Cardiovascular Disease: From New Insights Into Molecular Mechanisms to Clinical Implications
Notice bibliographique
Résumé
Hyperphosphatemia is a common feature in patients with impaired kidney function and is associated with increased risk of cardiovascular disease. This phenomenon extends to the general population, whereby elevations of serum phosphate within the normal range increase risk; however, the mechanism by which this occurs is multifaceted, and many aspects are poorly understood. Less than 1% of total body phosphate is found in the circulation and extracellular space, and its regulation involves multiple organ cross talk and hormones to coordinate absorption from the small intestine and excretion by the kidneys. For phosphate to be regulated, it must be sensed. While mostly enigmatic, various phosphate sensors have been elucidated in recent years. Phosphate in the circulation can be buffered, either through regulated exchange between extracellular and cellular spaces or through chelation by circulating proteins (ie, fetuin-A) to form calciprotein particles, which in themselves serve a function for bulk mineral transport and signaling. Either through direct signaling or through mediators like hormones, calciprotein particles, or calcifying extracellular vesicles, phosphate can induce various cardiovascular disease pathologies: most notably, ectopic cardiovascular calcification but also left ventricular hypertrophy, as well as bone and kidney diseases, which then propagate phosphate dysregulation further. Therapies targeting phosphate have mostly focused on intestinal binding, of which appreciation and understanding of paracellular transport has greatly advanced the field. However, pharmacotherapies that target cardiovascular consequences of phosphate directly, such as vascular calcification, are still an area of great unmet medical need.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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 ».