MétaCan
Menu
Retour à la cohorte
Enregistrement W2982125719 · doi:10.1093/eurheartj/ehz747.0052

192Effect of dapagliflozin on cardiovascular outcomes in patients with type 2 diabetes according to baseline renal function and albuminuria status: Insights from DECLARE-TIMI 58

2019· article· en· W2982125719 sur OpenAlexaff
Thomas A. Zelniker, Itamar Raz, Ofri Mosenzon, Jamie P. Dwyer, Hiddo J.L. Heerspink, Avivit Cahn, Kyung Ah Im, Deepak L. Bhatt, Lawrence A. Leiter, Darren K. McGuire, John Wilding, Ingrid Gause‐Nilsson, Anna Maria Langkilde, Marc S. Sabatine, Stephen D. Wiviott

Notice bibliographique

RevueEuropean Heart Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineAlbuminuriaDapagliflozinRenal functionInternal medicineCreatinineUrologyType 2 diabetesHazard ratioDiabetes mellitusTIMICardiologyEndocrinologyMyocardial infarctionConfidence intervalPercutaneous coronary intervention

Résumé

récupéré en direct d'OpenAlex

Abstract Background Renal dysfunction including both reduced estimated glomerular filtration rate (eGFR) and the presence of albuminuria have each been shown to predict cardiovascular (CV) outcomes. Sodium glucose co-transporter 2 inhibitors (SGLT2i), which promote glucose excretion in the kidneys, reduce CV events and hospitalizations for heart failure (HHF) in patients with type 2 diabetes mellitus (T2DM). Purpose To analyze the CV efficacy of dapagliflozin according to baseline renal function and albuminuria status in DECLARE-TIMI 58. Methods The DECLARE-TIMI 58 trial compared dapagliflozin vs. placebo in 17,160 patients with T2DM and a creatinine clearance >60 ml/min/1.73m2 at enrollment. The dual primary endpoints were CV death/HHF and MACE (MI, stroke, CV death). We categorized patients according baseline eGFR [<60 vs. ≥60 ml/min/1.73m2 according to the CKD-EPI formula] and urinary albumin:creatinine ratio (UACR) [<30 vs. ≥30 mg/g]. Cox regression models with interaction testing were applied. The Gail-Simon test was used to test for interaction of the absolute risk differences. Results In total, 5198 (30.3%) patients had albuminuria (UACR 30–300: n=4029; UACR >300: n=1169) and 1265 (7.4%) had an eGFR <60 ml/min/1.73m2. Accordingly, 10958 (63.9%) patients had no manifestation of CKD, 5367 (31.3%) had either an eGFR <60 ml/min/1.73m2 or albuminuria, and 548 (3.2%) patients had both manifestations. Patients with more abnormal markers had higher event rates for CV death/HHF (KM event rates at 4 years of 3.9%, 8.3%, 17.4%) and MACE (7.5%, 11.7%, and 18.9%) for no, 1, or 2 markers of CKD, respectively. The relative risk reductions for CV death/HHF and MACE were generally consistent across the subgroups (both P-interaction >0.29), though numerically greatest (42%) in patients with reduced eGFR and albuminuria. However, the absolute risk difference increased substantially in patients with greater kidney damage (absolute risk difference of CV death/HHF: −0.5%, −1.0%, and −8.3%, respectively; P-INT for ARD 0.002; Figure). See figure for MACE and component outcomes. Conclusions Patients with baseline renal disease had higher rates of adverse CV outcomes. Dapagliflozin reduced events with generally consistent relative risk, but reduced the absolute risk of CVD/HHF by the greatest amount in patients with kidney disease evidenced by both reduced eGFR and albuminuria. Acknowledgement/Funding AstraZeneca, Deutsche Forschungsgemeinschaft (ZE 1109/1-1)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetDiabetes Treatment and ManagementTravaux en français237 207