MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416745239 · doi:10.1038/s41467-025-66763-z

Risk factors for mortality in patients with kidney failure on hemodialysis identified by proteomic analysis of CRIC and PACE studies

2025· article· en· W4416745239 sur OpenAlexaff
Yue Ren, Mark R. Segal, Tariq Shafi, Alexander R. Pico, Min‐Gyoung Shin, Michela Traglia, Hongzhe Li, Sylvia E. Rosas, Hernan Rincon-Choles, Panduranga S. Rao, Zeenat Bhat, Amanda H. Anderson, Jing Chen, Jiang He, Stephen M. Sozio, Bernard G. Jaar, Michelle M. Estrella, Wei Chen, Glenn M. Chertow, Rulan S. Parekh, Peter Ganz, Ruth F. Dubin, Lawrence J. Appel, Debbie L. Cohen, Laura M. Dember, Alan S. Go, James P. Lash, Mahboob U. Rahman, Vallabh O. Shah, Mark L. Unruh

Notice bibliographique

RevueNature Communications · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensWomen's College Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of General Medical SciencesNational Heart, Lung, and Blood InstitutePerelman School of Medicine, University of PennsylvaniaClinical and Translational Science Collaborative of Cleveland, School of Medicine, Case Western Reserve UniversityMichigan Institute for Clinical and Health ResearchUniversity of California, San FranciscoUniversity of Illinois at Urbana-ChampaignNational Institutes of HealthDeutsches KrebsforschungszentrumNational Institute of Diabetes and Digestive and Kidney DiseasesJohns Hopkins UniversityNational Center for Research ResourcesGeorgia Clinical and Translational Science AllianceUniversity of PennsylvaniaKaiser Permanente
Mots-clésHemodialysisCohortDialysisRisk factorKidney diseaseDiseaseCohort studyUremia

Résumé

récupéré en direct d'OpenAlex

More than 50% of patients with kidney failure undergoing maintenance hemodialysis die within 5 years, a fate unexplained by traditional risk factors. To identify biological risk factors, we analyze 6287 circulating proteins and mortality in 893 participants undergoing hemodialysis in the Chronic Renal Insufficiency Cohort (CRIC) and Predictors of Arrhythmic and Cardiovascular Risk in End-Stage Renal Disease (PACE) studies. Proteins are measured shortly after (incident period) and one year after (prevalent period) dialysis initiation. In CRIC prevalent period, Sushi von Willebrand factor type A EGF and pentraxin domain-containing protein 1(SVEP1), R-spondin 4, tetranectin and 24 other proteins attain Bonferroni significance (p < 7 × 10-6). At false discovery rate<0.05, 184 proteins are significant in CRIC; 123/184 remain significant after adjustment for covariates including those linked to inflammation. Pathways related to insulin-like growth factor are prominent. In the pooled CRIC + PACE cohort, prevalent time period, AUC(95%CI) for a 3-protein model of 5-year mortality is 0.826 (0.742, 0.896), compared to 0.629 (0.528, 0.722) for a Cohort Clinical model (p < 0.001). Adding the 3 proteins (SVEP1, R-spondin 4 and tetranectin) to the Cohort Clinical model significantly improves the AUC (p < 0.001). These biomarkers should be validated in future studies and their roles as potential disease mediators elucidated. Patients with kidney failure undergoing maintenance hemodialysis have poor long-term survival. Here the authors use affinity-based proteomics to identify circulating risk factors for mortality in patients with kidney failure on hemodialysis.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,327
Écart entre enseignants0,311 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetDialysis and Renal Disease Management→Travaux en français237 207→