Empagliflozin and Cardiovascular and Kidney Outcomes across KDIGO Risk Categories
Notice bibliographique
Résumé
Background and objectives In the Empagliflozin Cardiovascular Outcome Event Trial in Type 2 Diabetes Mellitus Patients (EMPA-REG Outcome), empagliflozin, in addition to standard of care, significantly reduced risk of cardiovascular death by 38%, hospitalization for heart failure by 35%, and incident or worsening nephropathy by 39% compared with placebo in patients with type 2 diabetes and established cardiovascular disease. Using EMPA-REG Outcome data, we assessed whether the Kidney Disease Improving Global Outcomes (KDIGO) CKD classification had an influence on the treatment effect of empagliflozin. Design, setting, participants, & measurements Patients with type 2 diabetes, established atherosclerotic cardiovascular disease, and eGFR≥30 ml/min per 1.73 m 2 at screening were randomized to receive empagliflozin 10 mg, empagliflozin 25 mg, or placebo once daily in addition to standard of care. Post hoc , we analyzed cardiovascular and kidney outcomes, and safety, using the two-dimensional KDIGO classification framework. Results Of 6952 patients with baseline eGFR and urinary albumin-creatinine ratio values, 47%, 29%, 15%, and 8% were classified into low, moderately increased, high, and very high KDIGO risk categories, respectively. Empagliflozin showed consistent risk reductions across KDIGO categories for cardiovascular outcomes ( P values for treatment by subgroup interactions ranged from 0.26 to 0.85) and kidney outcomes ( P values for treatment by subgroup interactions ranged from 0.16 to 0.60). In all KDIGO risk categories, placebo and empagliflozin had similar adverse event rates, the notable exception being genital infection events, which were more common with empagliflozin for each category. Conclusions The observed effects of empagliflozin versus placebo on cardiovascular and kidney outcomes were consistent across the KDIGO risk categories, indicating that the effect of treatment benefit of empagliflozin was unaffected by baseline CKD status. Clinical Trial registry name and registration number: EMPA-REG OUTCOME, NCT01131676
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».