MétaCan
Menu
Retour à la cohorte
Enregistrement W4407190420 · doi:10.1093/ndt/gfae216

Upcoming drug targets for kidney protective effects in chronic kidney disease

2024· review· en· W4407190420 sur OpenAlexafffund
Massimo Nardone, Kevin Yau, Luxcia Kugathasan, Ayodele Odutayo, Mai Mohsen, Vikas S. Sridhar, David Z.I. Cherney

Notice bibliographique

RevueNephrology Dialysis Transplantation · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueHormonal Regulation and Hypertension
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesBanting and Best Diabetes Centre, University of TorontoCanadian Institutes of Health ResearchDepartment of Medicine, Georgetown UniversityAstellas PharmaUniversity of TorontoSanofiKidney Foundation of CanadaBristol-Myers SquibbEli Lilly and CompanyAstraZenecaCanadian Society of NephrologyDiabetes CanadaNovo NordiskBayer
Mots-clésMedicineKidney diseaseIntensive care medicineCardiorenal syndromeKidneyDiabetes mellitusInternal medicineDiseaseEndocrinology

Résumé

récupéré en direct d'OpenAlex

People with chronic kidney disease (CKD) are at a high risk of heart disease and end-stage kidney disease. This review describes how new medications, such as glucagon-like peptide-1 receptor agonists (GLP1RA), aldosterone synthase inhibitors (ASi), soluble guanylate cyclase (sGC) and endothelin receptor antagonists (ERA), can lower heart-kidney risk in people with CKD. GLP1RA are already recommended for managing blood sugar in people with CKD and type 2 diabetes and have been shown to lower the risk of developing end-stage kidney disease. GLP1RA will likely soon be included in clinical guidelines, but further research is needed to understand how these medications protect the kidneys. ASi are another new medication that lower the protein found in urine. Larger trials are being done to see how well these medications work in slowing CKD. Lastly, both sGC agonists and ERAs have been shown to relax blood vessels to improve blood flow in the kidney, and reduce the amount of protein found in urine, both of which are critical to protecting kidneys. Larger clinical trials are being done to see if these medications prevent CKD from getting worse. In summary, this review describes the new and promising treatments for CKD. These therapies hold the potential to slow kidney disease and improve the wellbeing of patients. Further research of these new treatments is important for improving CKD care. ABSTRACT: Despite recent advancements in the treatment of chronic kidney disease (CKD), identifying novel therapies beyond guideline-directed therapies that reduce residual cardiorenal risk remains imperative. In this review, we highlight the clinical evidence supporting emerging therapies for CKD, including glucagon-like peptide-1 receptor agonists (GLP1RA) and other incretin-based therapies, aldosterone synthase inhibitors (ASI), endothelin receptor antagonists (ERA), soluble guanylate cyclase (sGC) agonists and anti-inflammatory drugs. Long-acting GLP1RA are already recommended for glycemic control in patients with CKD and type 2 diabetes and the large, dedicated kidney outcome trial FLOW was recently stopped early for efficacy. Emerging clinical trial evidence supports the concept that ASI also provide additional benefit on top of angiotensin-converting enzyme inhibitors or angiotensin receptor blockers, which remain a cornerstone of CKD treatment. Next, we consider the use of sGC agonists, which target nitric oxide bioavailability and thereby reduce albuminuria. Finally, we explore the therapeutic potential of ERA, which act through hemodynamic and anti-fibrotic mechanisms, thereby addressing a common final pathway in the development of CKD. Accordingly, our review highlights the changing therapeutic landscape for CKD with promising agents to further prevent the progression of kidney disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0290,007

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,312
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNephrology Dialysis TransplantationMême sujetHormonal Regulation and HypertensionTravaux en français237 207