Renoprotective Benefit of Tolvaptan in Acute Decompensated Heart Failure Patients With Loop Diuretic-Resistant Status
Notice bibliographique
Résumé
BACKGROUND: While reduction of accumulated body fluid using loop diuretics is a commonly used therapeutic option for acute heart failure (AHF), some patients, especially those with chronic kidney disease (CKD), show significantly poor treatment response to loop diuretics. Tolvaptan (TLV) has shown effectiveness against AHF in several studies. We have been using TLV for AHF treatment, and it displayed favorable outcome even in patients with CKD. This study aimed to assess the therapeutic effectiveness of TLV in AHF patients. METHODS: Ninety-nine AHF patients who were hospitalized were assessed retrospectively. Patients were divided into two groups: TLV treatment (TLV group, n = 39) and conventional treatment (non-TLV group, n = 60). We retrospectively examined the efficacy of TLV combination therapy for renal insufficiency complications and loop diuretic-resistant AHF patients, and the detail analysis was performed for heart failure with preserved ejection fraction (HFpEF) or reduced ejection fraction (HFrEF) in patients. RESULTS: Changes in serum electrolyte levels before and after the treatment were similar in both groups. Although the patients in the TLV group at baseline displayed significantly lower estimated glomerular filtration rate (eGFR) indicating renal insufficiency probably due to higher dose of loop diuretics, the incidence of worsening renal function (WRF) was significantly lower than those in non-TLV group in HFpEF (TLV: 2.5% vs. non-TLV: 15.4%, P = 0.01). We performed logistic regression analysis and found that TLV was an independent contributing factor for reducing WRF (odds ratio: 0.14, 95% CI: 0.02 - 0.98, P = 0.04). CONCLUSIONS: Our results suggest that TLV application in acute stage may be renoprotective for AHF patients with CKD, especially in HFpEF.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».