Cardio-Protective Effects of Sodium-Glucose Co-Transporter 2 Inhibitors: Focus on Heart Failure
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes mellitus (DM) is associated with a considerable risk of cardiovascular and renal diseases, including heart failure. Sodium-glucose co-transporter 2 (SGLT2) inhibitors have demonstrated unprecedented cardiorenal protective effects in large-scale clinical trials of patients with or without diabetes and either established cardiovascular disease (CV) or multiple CV risk factors. OBJECTIVE: Herein we aim to focus on the role of SGLT2 inhibitors regarding the improvement in heart failure outcomes and the proposed mechanisms of action by which these drugs confer their beneficial effect. METHODS: PubMed, Embase, and Google Scholar databases were searched to identify eligible articles that are comprehensively summarized and discussed in this study. RESULTS: The most commonly discussed mechanisms of action are diuresis and natriuresis, reduction in preload, afterload, and ventricular mass, as well as stimulation of erythropoietin production and improved myocardial energetics. SGLT2 inhibitors improve outcomes in patients with established heart failure (HF) and reduce the risk of death and HF admissions in patients with established chronic HF with reduced ejection fraction (HFrEF), either with or without diabetes. CONCLUSION: Potential key mechanisms that may explain the notable cardioprotective benefits of SGLT2 inhibitors have been outlined. These agents have recently received class Ia recommendation in specific groups of people with DM to lower the risk of hospitalization for HF and risk of death, while these benefits may also extend to people without diabetes. It remains to be seen whether they will also emerge as treatment approaches in the acute phase of CV episodes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».