Effect of Pravastatin on Cardiovascular Events in People With Chronic Kidney Disease
Notice bibliographique
Résumé
BACKGROUND: Limited data describe the cardiovascular benefit of HMG-CoA reductase inhibitors (statins) in people with moderate chronic kidney disease (CKD). The objective of this analysis was to determine whether pravastatin reduced the incidence of cardiovascular events in people with or at high risk for coronary disease and with concomitant moderate CKD. METHODS AND RESULTS: We analyzed data from the Pravastatin Pooling Project (PPP), a subject-level database combining results from 3 randomized trials of pravastatin (40 mg daily) versus placebo. Of 19 700 subjects, 4491 (22.8%) had moderate CKD, defined by an estimated glomerular filtration rate of 30 to 59.99 mL/min per 1.73 m2 body surface area. The primary outcome was time to myocardial infarction, coronary death, or percutaneous/surgical coronary revascularization. Moderate CKD was independently associated with an increased risk of the primary outcome (adjusted HR 1.26, 95% CI 1.07 to 1.49) compared with those with normal renal function. Among the 4491 subjects with moderate CKD, pravastatin significantly reduced the incidence of the primary outcome (HR 0.77, 95% CI 0.68 to 0.86), similar to the effect of pravastatin on the primary outcome in subjects with normal kidney function (HR 0.78, 95% CI 0.65 to 0.94). Pravastatin also appeared to reduce the total mortality rate in those with moderate CKD (adjusted HR 0.86, 95% CI 0.74 to 1.00, P=0.045). CONCLUSIONS: Pravastatin reduces cardiovascular event rates in people with or at risk for coronary disease and concomitant moderate CKD, many of whom have serum creatinine levels within the normal range. Given the high risk associated with CKD, the absolute benefit that resulted from use of pravastatin was greater than in those with normal renal function.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».