MétaCan
Menu
Retour à la cohorte
Enregistrement W3034294121 · doi:10.2337/db20-356-or

356-OR: Effect of Dulaglutide on Kidney Function–Related Outcomes in Type 2 Diabetes: Post Hoc Analysis from the REWIND Trial

2020· article· en· W3034294121 sur OpenAlexaboutno aff
Jonathan E. Shaw, Fady T. Botros, Raleigh Malik, Charles Atisso, Helen M. Colhoun, Hertzel C. Gerstein

Notice bibliographique

RevueDiabetes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPost-hoc analysisMedicineRenal functionDulaglutideType 2 diabetesInternal medicineKidney diseasePlaceboClinical endpointDiabetes mellitusRandomized controlled trialEndocrinologyLiraglutidePathology

Résumé

récupéré en direct d'OpenAlex

In participants with type 2 diabetes (T2D) in the REWIND trial, dulaglutide (DU) use for median follow-up of 5.4 years was associated with reduced composite renal outcomes, defined as the first occurrence of new macroalbuminuria, sustained decline in estimated glomerular filtration rate (eGFR) of ≥30%, or chronic renal replacement therapy. The objective of this post-hoc analysis was to evaluate the effect of dulaglutide on renal outcomes related to kidney function that are typically used in renal outcomes studies, defined as the composite endpoint of sustained eGFR decline ≥40%, end-stage renal disease (ESRD), or all-cause death. Participants with T2D at cardiovascular (CV) risk were randomized (1:1) to DU 1.5 mg once-weekly or placebo. This post-hoc analysis used Cox proportional hazards modeling for time to first event to determine the risk of renal outcomes. Sensitivity analyses were conducted by replacing the all-cause death component with CV or renal death, or renal death. At baseline, treatment groups had similar eGFR (mean±SD: DU=77.2±22.7; placebo=76.6±22.8). The incidence rate of the composite endpoint was significantly lower for the DU group compared with placebo (Table). Treatment with DU 1.5 mg was associated with a 17% risk reduction in kidney function-related outcomes, suggesting potential delay in progression of diabetic kidney disease in patients with T2D at CV risk. Disclosure J.E. Shaw: Advisory Panel; Self; AstraZeneca, Merck Sharp & Dohme Corp., Mylan, Sanofi. Research Support; Self; AstraZeneca. Speaker’s Bureau; Self; Eli Lilly and Company, Mylan. F.T. Botros: Employee; Self; Eli Lilly and Company. Stock/Shareholder; Self; Eli Lilly and Company. R. Malik: Employee; Self; Eli Lilly and Company. Stock/Shareholder; Self; Eli Lilly and Company. C. Atisso: Employee; Self; Eli Lilly and Company. H.M. Colhoun: Advisory Panel; Self; AstraZeneca, Eli Lilly and Company, Novartis Pharmaceuticals Corporation, Novo Nordisk Inc., Regeneron Pharmaceuticals, Sanofi-Aventis. Research Support; Self; AstraZeneca, Eli Lilly and Company, Novo Nordisk Inc., Novo Nordisk Inc., Pfizer Inc., Regeneron Pharmaceuticals, Sanofi-Aventis. Speaker’s Bureau; Self; Eli Lilly and Company, Regeneron Pharmaceuticals, Sanofi. Stock/Shareholder; Self; Bayer AG, Roche Pharma. Other Relationship; Self; Eli Lilly and Company, Sanofi. H.C. Gerstein: Advisory Panel; Self; Abbott, AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Merck & Co., Inc., Novo Nordisk Inc., Sanofi. Consultant; Self; Kowa Pharmaceuticals America, Inc. Research Support; Self; AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Merck & Co., Inc., Novo Nordisk Inc., Sanofi. Other Relationship; Self; Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Sanofi. Funding Eli Lilly and Company

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207