SGLT-2 inhibitors and cardiovascular risk: Proposed pathways and review of ongoing outcome trials
Notice bibliographique
Résumé
Given the multi-faceted pathogenesis of atherosclerosis in type 2 diabetes mellitus (T2DM), it is likely that interventions to mitigate this risk must address cardiovascular (CV) risk factors beyond glucose itself. Sodium glucose cotransporter-2 (SGLT-2) inhibitors are newer antihyperglycaemic agents with apparent multiple effects. Inherent in their mode of action to decrease glucose reabsorption by the kidneys by increasing urinary glucose excretion, these agents improve glycaemic control independent of insulin secretion with a low risk of hypoglycaemia. In this review, we outline those CV risk factors that this class appears to influence and provide the design features and trial characteristics of six ongoing outcome trials involving more than 41,000 individuals with T2DM. Those risk factors beyond glucose that can potentially be modulated positively with SGLT-2 inhibitors include blood pressure, weight, visceral adiposity, hyperinsulinaemia, arterial stiffness, albuminuria, circulating uric acid levels and oxidative stress. On the other hand, small increases in low-density lipoprotein (LDL)-cholesterol levels have also been observed for the class, which theoretically might offset some of these benefits. The potential translational impact of these effects is being tested with outcome trials, also reviewed in this article, powered to assess both macrovascular as well as certain microvascular outcomes in T2DM. These are expected to begin to report in late 2015.
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 | 0,017 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».