Effects of Lowering LDL Cholesterol on Progression of Kidney Disease
Notice bibliographique
Résumé
Lowering LDL cholesterol reduces the risk of developing atherosclerotic events in CKD, but the effects of such treatment on progression of kidney disease remain uncertain. Here, 6245 participants with CKD (not on dialysis) were randomly assigned to simvastatin (20 mg) plus ezetimibe (10 mg) daily or matching placebo. The main prespecified renal outcome was ESRD (defined as the initiation of maintenance dialysis or kidney transplantation). During 4.8 years of follow-up, allocation to simvastatin plus ezetimibe resulted in an average LDL cholesterol difference (SEM) of 0.96 (0.02) mmol/L compared with placebo. There was a nonsignificant 3% reduction in the incidence of ESRD (1057 [33.9%] cases with simvastatin plus ezetimibe versus 1084 [34.6%] cases with placebo; rate ratio, 0.97; 95% confidence interval [95% CI], 0.89 to 1.05; P=0.41). Similarly, allocation to simvastatin plus ezetimibe had no significant effect on the prespecified tertiary outcomes of ESRD or death (1477 [47.4%] events with treatment versus 1513 [48.3%] events with placebo; rate ratio, 0.97; 95% CI, 0.90 to 1.04; P=0.34) or ESRD or doubling of baseline creatinine (1189 [38.2%] events with treatment versus 1257 [40.2%] events with placebo; rate ratio, 0.93; 95% CI, 0.86 to 1.01; P=0.09). Exploratory analyses also showed no significant effect on the rate of change in eGFR. Lowering LDL cholesterol by 1 mmol/L did not slow kidney disease progression within 5 years in a wide range of patients with CKD.
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) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».