How should we measure and interpret glomerular inflammation and what is the best anti-inflammatory approach in IgA nephropathy?
Notice bibliographique
Résumé
Immunoglobulin A nephropathy (IgAN) is the most common primary glomerulonephritis worldwide. The pathogenesis of IgAN is complex, characterized by gut mucosa-kidney interactions that lead to the production of galactose-deficient IgA1 and formation of immune complexes with antiglycan antibodies. Both arms of the adaptive and innate immune system are implicated in modifying or amplifying inflammatory cascades that lead to disease progression. Thus, altering the disease trajectory in IgAN requires therapies that target these underlying inflammatory processes. Broad immunosuppression, including systemic or locally gut mucosa-delivered corticosteroids and mycophenolate mofetil, have demonstrated efficacy in reducing proteinuria, although these are tempered by the risk of adverse effects. More recently, targeted treatment approaches at specific pathways, including complement inhibition and BAFF and/or APRIL inhibitors, have demonstrated promise and are under evaluation. Our ability to measure the degree of glomerular inflammation and predict response to treatment remains limited. To date, the IgA International Risk Prediction Tool remains the gold standard for the prediction of up to 5-year kidney outcomes guided by clinical criteria including proteinuria, estimated glomerular filtration rate and histologic criteria through the MEST-C score. With multiple potential emerging treatments, there is a need for validated biomarkers that reflect the degree of inflammation or IgAN disease activity that may facilitate personalized treatment strategies and improve long-term outcomes.
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 | 0,058 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 ».