Antihypertensive agents acting on the renin–angiotensin system and the risk of sepsis
Notice bibliographique
Résumé
AIMS: In response to safety concerns from two large randomized controlled trials, we investigated whether the use of telmisartan, an angiotensin receptor blocker (ARB), ARBs as a class and angiotensin-converting enzyme inhibitors (ACEIs) increase the risk of sepsis, sepsis-associated mortality and renal failure in hypertensive patients. METHODS: We performed a nested case-control study from a retrospective cohort of adults with hypertension from the UK General Practice Research Database diagnosed between 1 January 2000 and 30 June 2009. All subjects hospitalized with sepsis during follow-up were matched for age, sex, practice and duration of follow-up with 10 control subjects. Exposure was defined as current use of antihypertensive drugs. RESULTS: From the cohort of 550 436 hypertensive patients, 1965 were hospitalized with sepsis during follow-up (rate 6.9 per 10 000 per year), of whom 824 died and 346 developed acute renal failure within 30 days. Compared with use of β-blockers, calcium-channel blockers or diuretics, use of ARBs, including telmisartan, was not associated with an elevated risk of sepsis (relative risk 1.09; 95% confidence interval 0.83-1.43); but use ACEIs was (relative risk 1.65; 95% confidence interval 1.42-1.93). Users of ARBs, β-blockers, calcium-channel blockers or diuretics, but not users of ACEIs, had lower rates of hospitalization for sepsis compared with untreated hypertensive patients. Findings were similar for sepsis-related 30 day mortality and renal failure. CONCLUSIONS: Hypertensive patients treated with ARBs, including telmisartan, do not appear to be at increased risk of sepsis or sepsis-related 30 day mortality or renal failure. On the contrary, users of ACEIs may have an increased risk.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».