SGLT2 inhibitors and their role in reducing adiposopathy and inflammation in diabetes and non-diabetes CKD patients
Notice bibliographique
Résumé
AIMS: This study aims to evaluate differences in adiposopathy and specific inflammatory biomarkers between type 2 diabetes mellitus (T2DM) and non-T2DM patients across various stages of chronic kidney disease (CKD). In addition, it explores potential pathways through which sodium-glucose cotransporter 2 inhibitors (SGLT2i) impact renal outcomes via adipose tissue. MATERIALS AND METHODS: An observational prospective study was conducted on 143 CKD patients divided into 2 groups: SGLT2i cohort (n = 31) and standard-of-care (SoC) cohort (n = 112). Clinical and analytical data were collected upon recruitment (T0) as well as after 8 months of follow-up (T8). RESULTS: At T0, patients under the SGLT2i group showed higher significance for cardiovascular upload versus those in SoC treatment, as well as higher values across several inflammation parameters (IL-6, TNF-α, ferritin). At T8, renal function improved in the SGLT2i group in relation to the SoC, accompanied by a decrease in most inflammatory and adiposopathy biomarkers, mainly leptin. Notably, dapagliflozin use (n = 20) was associated with significantly reduced leptin levels and stabilization of TNF-α concentrations vs. SoC at T8. CONCLUSION: SGLT2i treatment, and particularly dapagliflozin, modulates both adiposopathy and systemic inflammation while slowing down renal function loss, demonstrating benefits for CKD patients regardless of diabetes status.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».