MétaCan
Menu
Retour à la cohorte
Enregistrement W4409178075 · doi:10.1016/j.jnutbio.2025.109915

Ketone bodies in renal function and diabetic kidney disease

2025· review· en· W4409178075 sur OpenAlexaff
Hamza Mechchate

Notice bibliographique

RevueThe Journal of Nutritional Biochemistry · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésRenal functionMedicineKidneyArtificial kidneyDiabetes mellitusKetone bodiesInternal medicineUrologyEndocrinologyMetabolism

Résumé

récupéré en direct d'OpenAlex

Diabetes, as a leading cause of chronic kidney disease (CKD) and diabetic kidney disease (DKD), underscores a significant concern, especially due to its association with health decline and mortality. In this context, the roles of ketone bodies, especially beta-hydroxybutyrate are increasingly recognized for their impact in renal physiology and the pathology of DKD. Moving beyond their conventional perception as metabolic by products, ketone bodies have been found to play a crucial role in renal health, particularly under the stresses of diabetic conditions. Serving as alternative energy sources during periods of glucose scarcity, they also function as important signaling molecules. These ketones significantly influence oxidative stress, nutrient-sensing pathways, and mitochondrial function within the kidneys. The adaptability of renal cells to utilize ketone bodies in diabetes highlights a dynamic metabolic interplay, essential for understanding renal health. The exploration of ketone body metabolism modulation, particularly through interventions like SGLT2 inhibitors and ketogenic diets, opens new avenues in managing DKD. Such insights pave the way for rethinking the role of ketone bodies in renal pathology and diabetes, pointing to novel research directions and therapeutic potentials.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 GPT0,300
Écart entre enseignants0,280 · 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'étudeSans objet
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

Citations3
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Journal of Nutritional BiochemistryMême sujetDiet and metabolism studiesTravaux en français237 207