The effect of angiotensin‐converting enzyme inhibitor/angiotensin receptor blocker use on mortality in patients with chronic kidney disease: a meta‐analysis of observational studies
Notice bibliographique
Résumé
PURPOSE: There has been much controversy over the use of angiotensin-converting enzyme inhibitors/angiotensin receptor blockers (ACEIs/ARBs) on patients with renal dysfunction. The purpose of this study was to summarize the evidence regarding the effect of ACEIs/ARBs administration on mortality in patients with nondialysis-dependent chronic kidney disease (CKD) by using a meta-analytic approach. METHODS: We searched the PubMed, Embase, and Web of Science databases for studies on the effect of ACEIs/ARBs administration on mortality in patients with nondialysis-dependent CKD published before March 2015. Summary effect estimates with 95% confidence intervals were derived using the random-effects model, no matter whether the heterogeneity between the included studies was of statistical significance or not. Subgroup analyses, sensitivity analyses, and publication bias tests were performed. RESULTS: Up to 25 March 2015, 10 cohort studies were included in this meta-analysis. The hazard risk of the association between ACEIs/ARBs administration and overall mortality was 0.83 (95% confidence interval 0.78-0.87) using a random-effects model with no heterogeneity (heterogeneity test I(2) = 43.8%, p = 0.067) and publication bias (Egger's test, p = 0.763). The subgroup was divided according to estimated glomerular filtration rate, duration of follow-up, Newcastle-Ottawa Scale star, and proportion of patients with common complications including heart failure, diabetes mellitus, and hypertension. Improved survival outcomes were observed in all subgroups analysis. Sensitivity analysis proved that overall estimated effect was robust. CONCLUSION: This meta-analysis suggested that the use of ACEIs/ARBs in patients with nondialysis-dependent CKD was associated with improved survival. However, randomized studies are needed to confirm these findings and further establish causal relationship. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,031 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,064 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».