Urate lowering therapy to improve renal outcomes in patients with chronic kidney disease: systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Hyperuricemia may contribute to renal injury. We do not know whether use of treatments that lower urate reduce the progression of chronic kidney disease (CKD) and cardiovascular disease. We performed a systematic review and meta-analysis of randomized controlled trials to assess the benefits and risks of treatments that lower urate in patients with stages 3-5 CKD. METHODS: We searched MEDLINE, EMBASE, CENTRAL, Web of Science and trial registers for randomized controlled trials (RCTs) without language restriction. Two authors independently screened articles, assessed risk of bias and extracted data. Data obtained included serum uric acid, serum creatinine or other estimates of glomerular filtration rate, incidence of end-stage renal disease (ESRD), systolic and diastolic blood pressure, proteinuria, cardiovascular disease and adverse events. RESULTS: From the 5497 citations screened, 19 RCTs enrolling 992 participants met our inclusion criteria. Given significant heterogeneity in duration of follow-up and study comparators, only trials greater than 3 months comparing allopurinol and inactive control were meta-analyzed using random effects models. Pooled estimate for eGFR was in favour of allopurinol with a mean difference (MD) of 3.2 ml/min/1.73 m(2), 95% CI 0.16-6.2 ml/min/1.73 m(2), p = 0.039 and this was consistent with results for serum creatinine. Statistically significant reductions in serum uric acid, systolic and diastolic blood pressure were found, favouring allopurinol. There were insufficient data on adverse events, incidence of ESRD and cardiovascular disease for analysis. CONCLUSIONS: Adequately powered RCTs are needed to establish whether treatments that lower urate have beneficial renal and cardiovascular effects.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,032 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».