Cardiovascular Effects of Angiotensin Converting Enzyme Inhibition or Angiotensin Receptor Blockade in Hemodialysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Cardiovascular (CV) disease causes significant morbidity and mortality among the hemodialysis (HD) population. This meta-analysis was performed to determine whether angiotensin converting enzyme inhibitors (ACEIs) or angiotensin receptor blockers (ARBs) reduce fatal and nonfatal CV events and left ventricular (LV) mass in patients receiving HD. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Studies were identified by searching electronic databases, bibliographies, and conference proceedings. Two reviewers independently selected randomized controlled trials using ACEIs or ARBs compared with control among patients receiving HD. Studies were independently assessed for inclusion, quality, and data extraction. Random-effects models were used to estimate the pooled relative risk (RR) for CV outcomes and the weighted mean difference (WMD) for pooled change-from-baseline comparisons for LV mass for ACEI or ARB treated patients compared with control. RESULTS: Compared with control, the RR of CV events associated with ACEI or ARB use was 0.66 [95% confidence interval (CI) 0.35 to 1.25; P = 0.20]. ACEI or ARB use resulted in a statistically significant reduction in LV mass, with a WMD of 15.4 g/m(2) (95% CI 7.4 to 23.3; P < 0.001). CONCLUSIONS: Treatment with an ACEI or ARB reduced LV mass in patients receiving HD. However, their use was not associated with a statistically significant reduction in the risk of fatal and nonfatal CV events. Larger, high-quality trials in the HD population are required to determine if the effects of ACEI or ARB therapy on LV mass translate into decreased CV morbidity and mortality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,014 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».