Cerebral White Matter Hyperintensities, Kidney Function Decline, and Recurrent Stroke After Intensive Blood Pressure Lowering: Results From the Secondary Prevention of Small Subcortical Strokes (SPS3) Trial
Notice bibliographique
Résumé
Background We aimed to determine whether cerebral white matter hyperintensities ( WMHs ) can distinguish stroke survivors susceptible to rapid kidney function decline from intensive blood pressure ( BP ) lowering. Methods and Results The SPS3 (Secondary Prevention of Small Subcortical Strokes) trial randomized participants with recent lacunar stroke to systolic BP targets of 130 to 149 and <130 mm Hg. We included 2454 participants with WMH measured by clinical magnetic resonance imaging at baseline and serum creatinine measured during follow-up. We tested interactions between BP target and WMH burden on the incidence of rapid kidney function decline (≥30% decrease from baseline estimated glomerular filtration rate at 1-year follow-up) and recurrent stroke. Rapid kidney function decline incidence was 11.0% in the lower- BP -target arm and 8.1% in the higher-target arm (odds ratio=1.40; 95% CI=1.07-1.84). Odds ratio for rapid kidney function decline between lower- and higher-target groups ranged from 1.26 in the lowest WMH tertile (95% CI , 0.80-1.98) to 1.71 in the highest tertile (95% CI , 1.05-2.80; P for interaction=0.65). Overall incidence of recurrent stroke was 7.9% in the lower-target arm and 9.6% in the higher-target arm (hazard ratio=0.80; 95% CI , 0.63-1.03). Hazard ratio for recurrent stroke in the lower-target group was 1.13 (95% CI , 0.73-1.75) within the lowest WMH tertile compared with 0.73 (95% CI , 0.49-1.09) within the highest WMH tertile ( P for interaction=0.04). Conclusions Participants with higher WMH burden appeared to experience greater benefit from intensive BP lowering in prevention of recurrent stroke. By contrast, intensive BP lowering increased the odds of kidney function decline, but WMH burden did not significantly distinguish this risk. Clinical Trial Registration URL : http://www.clinicaltrials.gov . Unique identifier: NCT 00059306.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».