Association of serum uromodulin with diabetic kidney disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Several studies have investigated the association between the changes of serum uromodulin and diabetic kidney disease (DKD). However, the results are still controversial. Therefore, this meta-analysis was conducted to provide a comprehensive evaluation of the association between serum uromodulin levels and DKD. Methods PubMed, Cochrane library, Web of Science, and Scopus were systemically searched following the PRISMA protocol to identify the studies that reported the relationship between serum uromodulin level and DKD. To investigate the association between uromodulin and DKD, a standardized mean difference (SMD) with a 95% confidence interval (CI) was used. When significant heterogeneity was detected (I2 > 50%), sensitivity and subgroup analyses were performed to determine the source of heterogeneity. The quality assessment was determined using the Newcastle-Ottawa scale (NOS), and the publications bias were determined by the funnel plot and Egger’s test. Results In total, 6 studies with 1774 patients were included in the final analysis. The random effect model was used. The pooled results showed that the serum uromodulin levels were significantly decreased in patients with DKD (SMD: -0.31; 95% CI: -0.48 to -0.13) (I2 = 45%). Upon applying the sensitivity analysis, it showed (SMD: -0.38; 95% CI: -0.49 to -0.27) (I2 = 3%). Subgroup analysis showed that uromodulin level was significantly decreased in DKD regardless of the region of study, in America (SMD: -0.34; 95% CI: -0.51 to -0.17; p < 0.0001), Europe (SMD: -0.54; 95% CI: -1.06 to -0.02; p = 0.04), and Asia (SMD: -0.63; 95% CI: -1.15 to -0.11; p = 0.02), with stronger predictive value in America and Asia than in Europe. Additionally, uromodulin levels were significantly decreased in both type 1 (SMD: -0.34; 95% CI: -0.51 to -0.17; p < 0.0001) and type 2 diabetes (SMD: -0.58; 95% CI: -0.95 to -0.22; p = 0.002). Conclusion This meta-analysis showed a significant association between low levels of serum uromodulin and DKD. So, it could have a predictive role for DKD. However, its performance varied across subgroup analyses restricted by race and clinical settings. Moreover, further studies are required with a focus on the cut-off value for predicting diagnostic accuracy.
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 | 0,012 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,032 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».