Un model de predicție timpurie pentru boala cronică de rinichi

Abstract

Pe baza incidenței ridicate a bolii renale cronice (IRC) din ultimii ani, este necesar un model mai bun de predicție timpurie pentru identificarea persoanelor cu risc ridicat înainte de apariția insuficienței renale în stadiu terminal (IRST). Am efectuat un studiu caz-control imbricat pe 348 de subiecți (116 cazuri și 232 de control) din „Cohorta de boli cronice a Universității Medicale din Tianjin”. Toți subiecții nu aveau CKD la momentul inițial și au fost urmăriți timp de 5 ani până la 2 august018. Utilizând analiza de regresie Cox multivariată, am găsit cinci factori de risc negenetici asociați cu riscurile de CKD. Regresia logistică a fost efectuată pentru a selecta polimorfismele cu un singur nucleotidă (SNP) pe care le-am obținut din analiza GWAS a Biobankului din Marea Britanie și a altor baze de date. Am folosit un model de regresie logistică și o ponderare a valorii OR cu logaritm natural pentru a stabili modele de predicție a riscului genetic/nongenetic CKD. În plus, modelul final de predicție cuprinzătoare este suma aritmetică a celor două modele optime. ASC a modelului de predicție a atins 0,894, în timp ce sensibilitatea a fost 0,827, iar specificitatea a fost de 0,801. Am descoperit că vârsta, diabetul și valorile normale ridicate ale azotului ureic, TGF- și ADMA au fost factori de risc independenți pentru CKD. A fost, de asemenea, stabilit un model de predicție cuprinzător, care poate ajuta la identificarea persoanelor care sunt cele mai predispuse să dezvolte precoce CKD.

Click aici pentru a afla care sunt beneficiile Cistanche

Introducere

Boala cronică de rinichi (IRC), în special complicațiile sale, a reprezentat o amenințare serioasă pentru sănătatea publică din întreaga lume. Rata globală a mortalității de toate vârstele din cauza IRC a crescut cu 41,5% între 1990 și 20171. Un studiu transversal a arătat că prevalența bolii renale cronice în China a fost de aproximativ 10,8% 2, ceea ce înseamnă că au existat aproximativ 119,5 milioane de pacienți cu IRC în China.

Până în prezent, anumiți factori de risc sunt foarte asociați cu boala cronică de rinichi, inclusiv vârsta de 3 ani, sexul feminin 4, obezitatea 5 și diabetul zaharat6. Recent, au fost găsiți mai mulți biomarkeri asociați cu CKD. Câteva studii anterioare au arătat că nivelurile crescute de ADMA (dimetilarginină asimetrică) ar putea provoca leziuni renale7. Mai multe studii au subliniat că ADMA este un biomarker puternic pentru prezicerea mortalității CKD8-10. De asemenea, s-a demonstrat că nivelurile de expresie a NFAL (lipocalină asociată cu gelatinaza neutrofilă) par să se coreleze cu gradul de disfuncție renală, ceea ce poate ajuta la identificarea pacienților cu risc crescut pentru o scădere mai rapidă a funcției renale11. Mai mult, scăderea CysC seric (cistatina C) este corelată cu scăderea concentrației eGFR12. S-a speculat că CysC ar putea fi utilizat împreună cu creatinina serică ca un nou biomarker sau ca un substitut al creatininei serice pentru a identifica mai bine apariția bolii renale în populația generală13,14. TGF- (transforming growth factor-) este principalul regulator al fibrozei interstițiale tubulare15, iar semnalizarea TGF- poate influența câteva răspunsuri importante la leziuni renale în alte căi de semnalizare a factorului de creștere16,17, afectând în cele din urmă debutul CKD18. Studiile anterioare au raportat că peste 50 de polimorfisme de nucleotidă unică (SNP) sunt asociate cu indici de funcție renală sau CKD la nivel mondial19.

The treatment of chronic kidney disease and renal failure is costly and rarely effective. However, less than 5% of patients with early CKD report awareness of their disease20. Once CKD can be diagnosed, glomerular damage has reached over 50% and is usually irreversible. Effective prediction of chronic kidney disease can be immensely useful in this aspect. Therefore, several CKD prediction models for different populations were21–24 introduced. Recently, a study developed equations for predicting CKD based on 34 multinational cohorts25. Nevertheless, few models have considered both genetic and nongenetic risk factors. Although many prediction models reached high prediction power in a relatively large population, early prediction [at least when eGFR>60 ml/(min·1,73 m2)] este esențial pentru tratamentul și prevenirea IRC. În acest studiu, am dezvoltat modele genetice, negenetice (inclusiv biomarkeri) și cuprinzătoare de predicție a scorului de risc pentru CKD într-un studiu caz-control imbricat.

Cistanche tubulosa

Discuţie

Predicția timpurie a CKD este o provocare. Decenii de cercetare au arătat că nefropatia diabetică, glomerulonefrita primară, hipertensiunea arterială, nefrita interstițială și rinichiul polichistic pot induce CKD. Conștientizarea CKD este notoriu de scăzută; odată ce CKD sa dezvoltat, tratamentul este de obicei limitat până când sunt necesare ultimele remedii de dializă și transplanturi renale pentru BRST. eGFR este un indicator sensibil al funcției renale; cu toate acestea, nu este un predictor precoce al CKD. Deși mulți biomarkeri au fost testați pentru CKD, este necesară reevaluarea în studiile de cohortă prospective cu dimensiuni mari ale eșantionului. Căutăm un model de predicție timpuriu, sensibil, ușor de realizat și rentabil.

Am efectuat un studiu de caz-control imbricat pentru predicția CKD din „Cohorta de boli cronice de la Universitatea Medicală din Tianjin”26,27, cu o pertinență puternică, a facilitat predicția probabilității 5-anului de apariție a bolii renale cronice în această zonă. . Vârsta medie a subiecților a fost de 63 de ani; astfel, acei indivizi au avut mai multe șanse de a dezvolta CKD decât subiecții mai tineri.

Am combinat indicatori tradiționali de laborator, biomarkeri multipli legați de funcția renală și loci SNP pentru a dezvolta modele de predicție a CKD. În modelul NGRS, nu am inclus doar câțiva indicatori care au fost utilizați în alte studii, cum ar fi diabetul și vârsta25,28,29, dar mai mulți biomarkeri, în special TGF- și ADMA, au fost, de asemenea, folosiți ca predictori timpurii ai CKD în model.

Deși au fost găsite sute de asocieri între genele de CKD și susceptibilitate, GWAS de dimensiuni mari ale eșantionului a dat, de asemenea, rezultate foarte semnificative, iar factorii genetici au oferit doar o mică îmbunătățire a modelului de predicție. Având în vedere un anumit SNP, riscul relativ genetic (GRR) ar putea fi mare; cu toate acestea, contribuția sa la riscurile CKD în populația generală a fost limitată. Toate cele 17 SNP-uri utilizate în studiul nostru au provenit de la GWAS-uri din Biobank din Marea Britanie și din alte cohorte mari; cu toate acestea, ASC a modelului de risc genetic (GRS) a fost de numai 0,643 și a oferit doar o îmbunătățire marginală a ASC în modelul cuprinzător (de la 0,889 la 0 .894). Un studiu realizat în Japonia a arătat că predictorii genetici nu contribuie în mod semnificativ la îmbunătățirea eficienței de predicție a modelului de predicție cuprinzătoare29. Deși anumite SNP au avut asocieri foarte semnificative cu CKD în GWAS-uri de dimensiuni mari (adică, risc relativ genetic ridicat, GRR), contribuția lor la variația fenotipului ar putea fi limitată.

Mai mulți biomarkeri au fost testați și incluși în modelul nostru de predicție. Nivelul plasmatic de TGF-, singur cu ADMA, a oferit o valoare de predicție mai bună decât cistatina C, indicator de filtrare glomerulară mai directă. În studiul nostru anterior, am descoperit că genele căii TGF- au fost foarte exprimate în rinichii nefropatiei diabetice în stadiu incipient. biopsii renale, cu mult înainte să apară fibroza renală și scăderea filtrării. Într-adevăr, screeningul biomarkerilor timpurii înainte de scăderea eGFR poate oferi predicții CKD cu câțiva ani mai devreme, deși tratamentul precoce ar putea fi un alt obstacol de depășit.

Acest studiu are câteva limitări. În primul rând, cercetarea asupra biomarkerilor legați de CKD a fost efectuată într-un studiu caz-control imbricat care a fost selectat dintr-o cohortă de boli cronice, iar dimensiunea eșantionului a fost relativ mică; prin urmare, este posibil ca rezultatele studiului să fi avut anumite abateri. În al doilea rând, modelul nostru de predicție a riscului sa concentrat doar pe debutul bolii renale cronice, dar nu a evaluat progresia bolii renale cronice la insuficiență renală sau alte complicații. În al treilea rând, participanții care au alcătuit „Cohorta de boli cronice ale Universității Medicale din Tianjin” erau în mare parte profesori și angajați guvernamentali care lucrau în zonele urbane. Acest grup de oameni a fost mai autodisciplinat și a acordat mai multă atenție sănătății. Dacă modelul nostru de predicție ar putea fi aplicat altor grupuri de oameni, are nevoie de mai multă validare externă. Studiile noastre viitoare vor detecta mai mulți biomarkeri legați de funcția renală în cohorte mai mari pentru a valida și îmbunătăți modelul de predicție pentru CKD.

Recent, numeroase modele predictive au fost stabilite și intră în uz în clinică pentru luarea deciziilor. Printre acestea, există mai multe modele de estimare a riscului de CKD prevalentă și incidentă22,28–31. Cu toate acestea, din cauza diferențelor de rasă, stil de viață și mediu geografic, este încă necesar să se dezvolte un model predictiv eficient pentru boala cronică de rinichi în diferite grupuri etnice, care poate ajuta la identificarea mai devreme a persoanelor cu riscuri mai mari de IRC, îmbunătățind astfel îngrijirea sănătății prin alocarea de resurse acelor indivizi care beneficiază cel mai mult de pe urma acesteia, prevenind în același timp potențialul abuz al resurselor de îngrijire a sănătății de către indivizii cu risc scăzut.

Extract de Cistanche

Metode

1. Designul studiului și populația.

Această cercetare a fost concepută ca un studiu caz-control imbricat care a implicat 348 de participanți din „Cohorta de boli cronice a Universității Medicale din Tianjin”. Cohorta a fost înființată în 2006, cu un număr inițial de 2068 de persoane pentru un examen fizic anual. Până la sfârșitul anului 2018, un total de 21.750 de persoane au fost recrutate în cohortă, cu cea mai lungă perioadă de urmărire de 13 ani. Am colectat markeri demografici, markeri de laborator și rezultate de genotipizare pentru 110 loci (inclusiv 380 de cazuri cu date de genotipizare la nivelul întregului genom). Am examinat pacienții care au îndeplinit următoarele criterii: (i) cu o perioadă de urmărire de cel puțin 5 ani; (ii) nicio BRC la prima examinare fizică; (iii) probe de sânge și alte informații importante, printre care 1804 erau eligibili; 116 au fost selectați ca grup de caz; și 232 au fost selectați ca grup de control cu ​​potrivire sex și vârstă ± 3 ani; prin urmare, au fost incluși un total de 348 de subiecți. Toți subiecții au negat antecedentele familiale de boli moștenite și consumul de droguri nefrotoxice.

Acest studiu a fost revizuit și aprobat de Comitetul de etică al Universității Medicale din Tianjin și toți participanții au semnat formulare de consimțământ informat.

2. Criterii de diagnostic.

Criteriile de diagnostic pentru CKD au fost eGFR<60 mL/(min·1.73 m2 ) or positive proteinuria (≥1+). The glomerular filtration rate is estimated using the simplified Chinese MDRD equation 32. The determination of diabetes mellitus (DM) is based on the diagnostic criteria of diabetes published by the World Health Organization (WHO) in 1999: fasting plasma glucose≥7.0 mmol/L and/or 2 h postprandial glucose≥11 mmol/L. Obesity was defined as a body mass index (BMI)≥28 kg/m2 according to the recommendation of the "Guidelines for the Prevention and Control of Overweight and Obesity among Chinese Adults"33 by the Ministry of Health. Hypertension was defined as systolic blood pressure (SBP)≥140 mmHg and/or diastolic blood pressure (DBP)≥90 mmHg or a self-reported history of physician-diagnosed hypertension. The diagnostic criteria for hyperuricemia (HUA)34 were blood uric acid levels≥420 μmol/L in men and≥360 μmol/L in women.

3. Măsurătorile biomarkerilor.

După douăsprezece ore de post, probele de sânge venos ale participanților au fost colectate în tuburi de colectare a sângelui neanticoagulant la 7:30–9:00 dimineața, incubate la temperatura camerei timp de o jumătate de oră și apoi centrifugate la 3000 rpm la 4 grade. timp de 10 minute pentru a separa serul. Serul a fost păstrat la -80 de grade înainte de analiză. Nivelurile de glucoză plasmatică a jeun, creatininei serice, azot ureic, acid uric seric, colesterol total, trigliceride, alanin aminotransferaza, proteine ​​totale, albumină, globulină, bilirubină totală și bilirubină directă au fost determinate folosind un analizor biochimic automat Hitachi. Cistatina C (CysC), factorul de creștere transformant beta (TGF-), dimetilarginina asimetrică (ADMA) și lipocalina asociată cu gelatinaza neutrofilă (NGAL) au fost măsurate prin truse ELISA (Shanghai Huyu Biotechnology Co., LTD).

Pudra de Cistanche

4. Selectarea factorilor de risc negenetici/genetici legați de CKD.

Am încorporat 21 de factori de risc potențiali, inclusiv mai mulți biomarkeri, în modelul de hazard proporțional Cox univariat, iar apoi factorii semnificativi au fost luați ca variabile explicative și încorporați în modelul de regresie a hazardului proporțional Cox multivariat. În cele din urmă, am obținut cinci factori de risc negenetici. După obținerea unei părți din accesul la date la baza de date UK-Biobank, am folosit PLINK pentru a efectua analiza asocierilor la nivel de genom (GWAS) pentru indicatorii legați de funcție renală, inclusiv eGFR, SCr și CysC. Rezultatele GWAS sunt prezentate în diagrama Manhattan (Fig. S1 suplimentară). În combinație cu rezultatele studiilor anterioare, au fost verificați un total de 10 loci SNP pe 10 gene (Tabelul suplimentar S1). Între timp, după integrarea informațiilor din bazele de date GWAS, baza de date de bioinformatică genomică UCSC și rezultatele GWAS pentru fenotipurile legate de funcția rinichilor din Asia sau China35–37, loci SNP cu risc relativ ridicat de genotip (GRR) și scor poligenetic la nivel de genom (GPS). ) pentru CKD au fost selectate. În cele din urmă, am selectat un total de 27 de loci SNP din 24 de gene pentru a construi un model de risc genetic pentru CKD (Tabelul suplimentar S2). Cele 27 de SNP selectate în acest studiu au fost genotipizate la 348 de subiecți caz-control imbricați folosind o platformă de spectrometrie de masă cu desorbție laser asistată de matrice în timpul zborului (MALDI-TOF-MS). Echilibrul Hardy-Weinberg (HWE) a fost verificat pentru toate cele 27 de SNP-uri și am șters 2 SNP-uri care au eșuat HWE; prin urmare, au fost documentate datele de genotipare pentru 25 de SNP.

5. Dezvoltarea modelelor de predicție.

În acest studiu, modelele scorului de risc genetic (GRS) și modelele scorului de risc nongenetic (NGRS) au fost construite din ponderile logaritmilor naturali ( ) ale valorilor OR ale diferiților factori de risc. Efectele combinate ale fiecărui factor negenetic sau genetic au fost calculate într-un mod ponderat și a fost selectată metoda combinației optime pentru a dezvolta modelul de predicție al CKD. Ecuația GRS a fost stabilită pe baza contribuțiilor diferite ale fiecărui situs SNP candidat la patogeneza CKD. Fiecare loc SNP a fost considerat un potențial factor de risc pentru CKD. Diferite ponderi pentru contribuția la debutul CKD au fost determinate de diferite valori OR (sau ) din analiza de regresie logistică pentru a stabili mai multe combinații și a selecta combinația optimă. Folosind un scor de risc genetic ponderat (ωGRS), ωGRS{{0}} I 1 iGi (i este ponderea i-lea SNP, Gi este numărul de alele de la i-a SNP și atribuie o valoare de 0, 1, 2). Greutatea este logaritmul natural al raportului de cote (OR) al SNP-urilor și ar putea fi un efect estimat (coeficient). Pentru fiecare individ, ωGRS este suma numărului de alele de risc ponderate cu valoarea OR ( ) a fiecărui sit SNP în regresie logistică. Consultați Formula (1) pentru detalii.

În formula de mai sus, pentru a fixa greutatea în avans, am folosit valoarea alelelor cu un singur risc convertite în log în studii cu dimensiuni mari ale eșantionului și fiabilitate ridicată (de exemplu, meta-analiză) ca pondere în construcția modelului real. Principiul de construcție al modelului de scor de risc nongenetic este același cu cel al GRS. Adică, în conformitate cu diferitele contribuții ale factorilor de risc negenetici legați de CKD identificați (de exemplu, valoarea normală ridicată a TGF- , vârstnici) la incidența CKD, diferite valori SAU (sau ) ale analizei de regresie logistică sunt utilizate pentru a determinați diferite greutăți pentru apariția BRC, stabiliți diferite combinații și selectați combinația optimă. S-a folosit scorul de risc nongenetic ponderat (ωNGRS), ωNGRS= I 1 iSi (i este ponderea celui de-al i-lea factor de risc negenetic corespunzător în riscul de a dezvolta CKD, iar Si este al i-lea factor de risc negenetic corespunzător), iar ponderea ia logaritmul natural al valorii OR obținute prin analiza de regresie logistică a diferiților factori de risc. Pentru fiecare individ, ωNGRS este suma factorilor de risc ponderați cu valoarea OR ( ) a diferiților factori de risc negenetici în regresia logistică. Consultați Formula (2) pentru detalii.

În formula de mai sus, S reprezintă vectorul set al unui grup de factori de risc negenetici (Si reprezintă starea celui de-al i-lea factor de risc negenetic; dacă individul are factorul de risc, valoarea este 1; dacă nu, valoarea este {{ 1}}). Valoarea utilizată în acest studiu a fost valoarea fiecărui factor de risc negenetic în analiza regresiei logistice.

Construcția modelului cuprinzător de scoring al riscului integrează modelul optim GRS și modelul NGRS, care este suma celor două modele. Consultați formula (3) pentru detalii.

6. Evaluarea modelului de predicție.

Evaluarea modelului GRS construit, a modelului NGRS și a modelului predictiv cuprinzător a adoptat metoda zonei curbei caracteristice de funcționare a receptorului (ROC) sub curba (AUC). Software-ul MedCalc a fost utilizat pentru a determina punctul optim al curbei ROC și sensibilitatea și specificitatea la punctul optim. În cele din urmă, se realizează evaluarea eficienței de predicție a modelului de predicție CKD construit. Modelul GRS construit, modelul NGRS și modelul de predicție cuprinzător au fost validate intern într-un studiu caz-control de imbricare folosind validarea încrucișată de cinci ori bootstrap. Toate analizele datelor au fost efectuate folosind software-ul SPSS 21.0. Semnificația statistică a fost determinată cu o valoare P prag de<0.05.

Toate metodele au fost efectuate conform ghidurilor și reglementărilor relevante.

Cistanche capsule

Concluzie

Vârsta, diabetul, valorile normale ridicate ale creatininei, TGF- și ADMA sunt indicatori independenți pentru incidența CKD. A fost stabilit un model de predicție cuprinzător, deși factorii genetici analizați în studiul nostru au dat valori limitate de predicție pentru incidența CKD. Se poate exercita o intervenție timpurie și adecvată pentru a evita agravarea și chiar ireversibilă.

Referințe

1. Bikbov, B. et al. Povara globală, regională și națională a bolii cronice de rinichi, 1990–2017: O analiză sistematică pentru Studiul Global Burden of Disease 2017. Lancet 395, 709 (2020).

2. Zhang, L. şi colab. Prevalența bolii renale cronice în China: un studiu transversal. Lancet 379, 815 (2012).

3. O'Sullivan, ED, Hughes, J. & Ferenbach, DA Îmbătrânirea renală: cauze și consecințe. J. Am. Soc. Nefrol. 28, 407 (2017).

4. Carrero, JJ, Hecking, M., Chesnaye, NC & Jager, KJ Sexul și disparitățile de gen în epidemiologia și rezultatele bolii cronice de rinichi. Nat. Rev. Nephrol. 14, 151 (2018).

5. Yun, HR și colab. Obezitatea, anomaliile metabolice și progresia CKD. A.m. J. Rinichi Dis. 72, 400 (2018).

6. Tsai, W. et al. Factori de risc pentru dezvoltarea și progresia bolii renale cronice. Medicină 95, e3013 (2016).

7. Fliser, D. şi colab. Dimetilarginina asimetrică și progresia bolii cronice de rinichi: Studiul bolii renale ușoare până la moderate. J. Am. Soc. Nefrol. 16, 2456 (2005).

8. Ravani, P. et al. Dimetilarginina asimetrică prezice progresia către dializă și decesul la pacienții cu boală cronică de rinichi: o abordare de modelare a riscurilor concurente. J. Am. Soc. Nefrol. 16, 2449 (2005).

9. Miyazaki, H. şi colab. Inhibitor endogen al oxidului nitric sintazei: un nou marker al aterosclerozei. Circulation 9, 1141 (1999).

10. Tripepi, G. et al. Inflamația și dimetilarginina asimetrică pentru prezicerea morții și a evenimentelor cardiovasculare la pacienții cu IRST. Clin. J. Am. Soc. Nefrol. 6, 1714 (2011).

11. Viau, A. et al. Lipocalin 2 este esențial pentru progresia bolii renale cronice la șoareci și oameni. J. Clin. Investig. 120, 4065 (2010).

12. Ferguson, MA și Waikar, SS Markeri stabiliți și emergenti ai funcției renale. Clin. Chim. 58, 680 (2012).

13. Filler, G. şi colab. Cistatina C ca marker al GFR - Istoric, indicații și cercetări viitoare. Clin. Biochim. 38, 1 (2005).

14. Ferguson, TW, Komenda, P. & Tangri, N. Cystatin C ca biomarker pentru estimarea ratei de filtrare glomerulară. Curr. Opinează. Nefrol. Hipertens. 24, 295 (2015).

15. Meng, X., Nikolic-Paterson, DJ & Lan, HY TGF-: Master regulator of fibrosis. Nat. Rev. Nephrol. 12, 325 (2016).

16. Tazat, K., Hector-Greene, M., Blobe, GC & Henis, YI Tibetan se leagă în mod independent de receptorii TGF-beta de tip I și de tip II pentru a inhiba semnalizarea TGF-beta. Mol. Biol. Cell 26, 3535 (2015).

17. Wang, S., Wilkes, MC, Leof, EB & Hirschberg, R. Căile noncanonice TGF, mTORC1 și Abl, în fibrogeneza interstițială renală. A.m. J. Physiol. Renal 298, F142 (2010).

18. Nlandu-Khodo, S. et al. Blocarea diafoniei epiteliale TGF-beta și beta-catenina exacerba CKD. J. Am. Soc. Nefrol. 28, 3490 (2017).

19. O'Seaghdha, CM & Fox, CS Studii de asociere la nivel de genom în transplantul de rinichi: Avantaje și constrângeri. Nat. Rev. Nephrol. 8, 89 (2011).

20. Chen, TK, Knicely, DH & Grams, ME Diagnosticul și managementul bolii cronice de rinichi. JAMA 322, 1294 (2019).

21. Carrillo-Larco, RM et al. Scorul de risc pentru un prim screening al bolii renale cronice nediagnosticate prevalente în Peru: scorul de risc CRONICASCKD. BMC Nephrol. 18, 343 (2017).

22. Tangri, N. et al. Un model predictiv dinamic pentru progresia BRC. A.m. J. Rinichi Dis. 69, 514 (2017).

23. Ma, J., Yang, Q., Hwang, S., Fox, CS & Chu, AY Scorul de risc genetic și riscul de boală renală cronică în stadiul 3. BMC Nephrol. 18, 32 (2017).

24. Imai, E. et al. Prevalența bolii renale cronice în populația generală japoneză. Clin. Exp. Nefrol. 13, 621 (2009).

25. Nelson, RG şi colab. Dezvoltarea ecuațiilor de predicție a riscului pentru boala renală cronică incidentă. JAMA 322, 2104 (2019).

26. Zhao, J. şi colab. Trigliceridul este un predictor independent al diabetului de tip 2 în rândul adulților de vârstă mijlocie și adulților în vârstă: un studiu prospectiv cu urmăriri pe 8-ani în două cohorte. J. Transl. Med. 17, 403 (2019).

27. Wei, F. şi colab. Asociații între acidul uric seric și incidența hipertensiunii arteriale: un studiu de cohortă dinamică senior chinez. J. Transl. Med. 14, 110 (2016).

28. Chien, K. et al. Un model de predicție pentru riscul de boală renală cronică incidentă. A.m. J. Med. 123, 836 (2010).

29. O'Seaghdha, CM et al. Un scor de risc pentru boala cronică de rinichi în populația generală. A.m. J. Med. 125, 270 (2012).

30. Echoufo-Tcheugui, JB & Kengne, AP Modele de risc pentru a prezice boala cronică de rinichi și progresia acesteia: o revizuire sistematică. PLoS Med. 9, e1001344 (2012).

31. Fujii, R. et al. Asocierea scorului de risc genetic și a bolii renale cronice la o populație japoneză. Nefrologie 24, 670 (2019).

32. Ma, YC şi colab. Estimarea GFR îmbunătățită prin combinarea măsurătorilor creatininei și cistatinei C. Rinichi Int. 72, 1535 (2007).

33. Qasim, A. et al. Despre originea obezității: identificarea factorilor biologici, de mediu și culturali ai riscului genetic în rândul populațiilor umane. Obez. Apoc. 19, 121 (2018).

34. Bardin, T. & Richette, P. Defnition of hyperuricemia and goty conditions. Curr. Opinează. Reumatol. 26, 186 (2014).

35. Okada, Y. et al. Meta-analiză identifică loci multiple asociate cu trăsăturile legate de funcția rinichilor în populațiile din Asia de Est. Nat. Genet. 44, 904 (2012).

36. O'Seaghdha, CM & Fox, CS Studii de asociere la nivel de genom ale bolii cronice de rinichi: Ce am învățat? Nat. Rev. Nephrol. 8, 89 (2011).

37. Ried, JS şi colab. O meta-analiză a componentelor principale asupra trăsăturilor antropometrice multiple identifică noi loci pentru forma corpului. Nat. comun. 7, 13357 (2016).

Jing Zhao1,4, Yuan Zhang1,2,4, Jiali Qiu1,4, Xiaodan Zhang1,4, FengjiangWei1, Jiayi Feng1, Chen Chen3, Kai Zhang3, Shuzhi Feng3, Wei‑Dong Li1

1 Departamentul de Genetică, Colegiul de Științe Medicale de bază, Universitatea Medicală Tianjin, Tianjin 300070, China.

2 Școală Publică Sănătate% 2c Tianjin Medical Universitate, Tianjin, China.

3 Tianjin General Spital, Tianjin Medical Universitate, Tianjin 300052% 2c China.

4 Acești autori au contribuit în mod egal: Jing Zhao, Yuan Zhang, Jiali Qiu și Xiaodan Zhang