Furosemide and Serum Protein-Bound Uremic Toxin Concentrations in Patients With CKD
Notice bibliographique
Résumé
Introduction Furosemide is commonly prescribed to patients with CKD but may impair the kidney's excretion of protein-bound uraemic toxins (PBUTs) via the organic anion transporters 1 and 3 (OAT1/OAT3). We evaluated the association between the furosemide prescription (status and dose level) and the serum concentrations of free OAT1/3-inhibiting uraemic toxins (UTs) in patients with CKD. Methods We included 2,342 patients with CKD (stages 2–5) from the CKD-REIN cohort and with centralized serum UT assay data at baseline. The UTs were assayed using liquid chromatography - tandem mass spectrometry. The OAT1/3-inhibiting UTs identified in a literature review included indoxyl sulphate (IS), kynurenine (Kyn), p-cresyl sulphate (PCS), and indole-3-acetic acid (IAA). Multiple linear regression was used to assess each PBUT or their sum ( Σ UTs free ) as the dependent variable. Results Patients prescribed furosemide (n=799, 34%) were older and had a lower estimated glomerular filtration rate, a higher C-reactive protein concentration, more comorbidities and more concomitant medications than patients not prescribed furosemide. After adjustment for potential confounders, patients prescribed >120 mg furosemide had significantly higher serum concentrations of Σ UTs free (+19.1%), IS (+31.9%), Kyn (+9.3%), PCS (+29.3%) and IAA (+16.9%) than patients not prescribed furosemide. Using a smooth function to model the association between the furosemide dose level and PBUTs, we observed (for Σ UTs free and each free UT) a steep increase between 80 and 100 mg and then a high plateau. Conclusion In patients with CKD, furosemide (particularly at a dose level >100 mg) is independently associated with higher serum free PBUT concentrations. Our findings suggested that drug-UT competition contributes to PBUT accumulation.
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 ».