How Does ADPKD Severity Differ Between Family Members?
Notice bibliographique
Résumé
Thousands of pathogenic variants in more than 100 genes can cause kidney cysts with substantial variability in phenotype and risk of subsequent kidney failure. Despite an established genotype-phenotype correlation in cystic kidney diseases, incomplete penetrance and variable disease expressivity are present as is the case in all monogenic diseases. In family members with autosomal dominant polycystic kidney disease (ADPKD), the same causal variant is responsible in all affected family members; however, there can still be striking discordance in phenotype severity. This narrative review explores contributors to within-family discordance in ADPKD severity. Cases of biallelic and digenic inheritance, where 2 rare pathogenic variants in cystogenic genes are coexistent in one family, account for a small proportion of within-family discordance. Genetic background, including cis and trans factors and the polygenic propensity for comorbid disease, also plays a role but has not yet been exhaustively quantified. Environmental exposures, including diet; smoking; alcohol, salt, and protein intake, and comorbid diseases, including obesity, diabetes, hypertension, kidney stones, dyslipidemia, and additional coexistent kidney diseases all contribute to ADPKD phenotypic variability among family members. Given that many of the factors contributing to phenotype variability are preventable, modifiable, or treatable, health care providers and patients need to be aware of these factors and address them in the treatment of ADPKD.
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) | 0,000 | 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 ».