Krónikus vesebetegség: ki dolgozik rajta

Intézményenként egy kártya. Szűrhetsz célpontra, országra, vagy csak az EU-13 (Horizon Europe felzárkózó) országok intézményeire.

• Minden célpont
• SGLT2 24
• GLP-1 8
• NLRP3 0
• NRF2 1
• PI3K 0
• APOL1 3
• AKT 0
• STAT3 1
• mTOR 1
• PPAR 0
• AMPK 0
• SIRT1 0
• HIF-1 0
• TLR4 0
• STING 0
• MAPK 0
• CTNNB1 0
• TP53 0
• ERK 0
• GPX4 0
• IL-6 3
• VEGF 0
• IL-1 1
• JAK 0
• JNK 0
• TNF 1
• DPP-4 0
• EGFR 0
• YAP 0
• FGFR 0
• PCSK9 0
• APOE 0
• PINK1 0
• TFEB 0
• BCMA 3
• HMGB1 0
• HSP90 0
• BDNF 0
• GIP 0
• CD40 0
• CD47 0
• COX-2 0
• IL-17 1
• PKM2 0
• PSMA 0
• ABL1 0
• CCR5 0
• EZH2 0
• METTL3 0
• MMP-9 0
• PKD1 0
• PTEN 0
• SNCA 0
• ANGPTL3 0
• BCL-2 0
• CD19 1
• CD38 0
• CDK4/6 0
• CXCR4 0
• FTO 0

Az EU-13 szűrő, nem rangsor: csak szűkíti a listát.

Ebben a nézetben még nincs kutatócsoport.

Leállított, visszavont és felfüggesztett vizsgálatok, a szponzor által a regiszterben megadott okkal, szó szerint idézve.

• Felfüggesztve

  Mechanisms of Diabetic Nephropathy in Ecuador

  NCT02237352· Universidad Estatal de Milagro· Frissítve: 2026. máj. 5.

  “economic supports no granted”A regiszter szövege, változtatás nélkül. Forrás

Vizsgálatok, amelyek regiszteradata szerint az egyéni résztvevői adatokat (IPD) megosztják.

Ebben a nézetben egy vizsgálat sem jelzi, hogy megosztaná a résztvevői adatokat.

Publikációk erről a betegségről egy MeSH-módszerkifejezés szerint, például szekvenálási vagy képalkotó módszerre.

• Single-Cell Analysis 29
• Organoids 10
• Mendelian Randomization Analysis 78
• CRISPR-Cas Systems 5
• Gene Expression Profiling 88
• Sequence Analysis, RNA 4
• Whole Genome Sequencing 2
• Exome Sequencing 19
• Proteomics 103
• Metabolomics 91
• Mass Spectrometry 18
• Flow Cytometry 10
• Immunohistochemistry 19
• Liquid Biopsy 2
• Positron-Emission Tomography 5
• Magnetic Resonance Imaging 70
• Machine Learning 176
• Deep Learning 22
• Cohort Studies 552
• Genome-Wide Association Study 79

• Performance and label efficiency of traditional deep-learning models and a retina-specific foundation model for ocular and systemic disease detection: a retrospective comparative study.

  Lancet Digit Health, 2026. aug.

• Diagnostic Performance of Deep Learning Using Retinal Images for Detection of Chronic Kidney Disease: A Systematic Review and Meta-Analysis.

  Ophthalmic Res, 2026. aug.

• IEU-Net: Sequence learning of internal texture and external morphology for sonographic kidney segmentation.

  Comput Methods Programs Biomed, 2026. júl.

• Deep learning analysis of ECGs detects Cardiovascular-Kidney-Metabolic syndrome burden in people with diabetes: a report from the Silesia Diabetes-Heart Project.

  Cardiovasc Diabetol, 2026. jún.

• MLP-CKD: a clinically informed deep learning framework for admission laboratory-based screening and risk stratification of uremia-associated advanced renal dysfunction.

  Front Public Health, 2026. jún.

• Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy.

  Nat Commun, 2026. máj.

• Eigen-guided transformer: A data-driven approach for chronic kidney disease forecasting.

  PLoS One, 2026. máj.

• Association between deep learning-based coronary artery calcium score on non-gated chest CT and progression of chronic kidney disease: a retrospective observational cohort study.

  BMC Med Imaging, 2026. ápr.

• An enhanced transformer model for detecting 1p36 deletion syndrome.

  Mol Genet Genomics, 2026. ápr.

• Explainable deep learning for early diagnosis of chronic kidney disease from CT images in Bangladeshi patients.

  Sci Rep, 2026. márc.

Megmutatjuk, a betegség mely célpontjait említi az absztrakt, és onnan a rajtuk dolgozókhoz jutsz.