Functional Sodium Magnetic Resonance Imaging of Human Kidney
Notice bibliographique
Résumé
Background: Maintenance of a cortico-medullary concentration gradient (CMG) is required for urine concentration. We explored the ability of 23NaMRI in measuring 1) the dynamics of CMG for the first time compared to urinary osmolarity after a water load and 2) the CMG in kidney disease. Methods: We conducted an exploratory pilot study for 10 healthy controls following water load then 5 cardiorenal patients with kidney disease. 1) Fasting healthy controls provided urine samples to measure osmolarity and baseline 23NaMRI scans were performed. They were instructed to ingest water (15 mL/kg) within 15 minutes. Four subsequent sodium images and urine samples were acquired at 15 min intervals starting one hour after water ingestion. 2) Cardiorenal patients underwent an MRI scan, provided a blood and urine sample, but no water loading. Results: Mean age of the 10 healthy controls was 41.8 ± 15.3 years. In the morning fasting, medulla/cortex ratio was 1.55 ± 0.11 with concurrent urinary osmolarity measured at 814 ± 121 mOsm/L. Mean ± SD fasting urinary osmolarity dropped significantly to 73 ± 14 mOsm/L, p=0.001. Mean medulla/cortex ratio dropped significantly to 1.31 ± 0.09 mOsm/L for maximal dilution, p=0.002. Figure 1 displays changes of 23NaMRI pictures before (A) then 1h (B), 1H15 (C), 1h30 (D) and 1h45 (E) after a water load. Urinary osmolarity and medulla/cortex ratio are significantly correlated, r=0.54, p=0.0001. Mean age of the 5 cardiorenal patients was 76.6 ± 12.2 years, eGFR was 54 ± 37 mL/min/1.73m2. Urinary osmolarity was 498 ± 145 mOsm/L and medulla/cortex ratio was 1.35 ± 0.11. We measured corticomedullary gradient in cardiorenal patient with different level of eGFR to show the ability and feasibility to measure this gradient in pathological settings. Conclusions: We explored CMG dynamically every 15 min in healthy controls and demonstrated significant changes after a water load. We were also able to acquire 23NaMRI pictures in cardiorenal patients with kidney disease with plans for future analyses.
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 | 0,000 | 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) | 0,003 | 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 ».