Dronedarone vs placebo in patients with atrial fibrillation or atrial flutter across a range of renal function: a post hoc analysis of the ATHENA trial
Notice bibliographique
Résumé
Abstract Background The use of antiarrhythmic drugs in patients with chronic kidney disease (CKD) is challenging due to issues with renal clearance, drug accumulation and increased proarrhythmic risks. Since CKD is a common comorbidity with atrial fibrillation (AF), it is important to establish the efficacy and safety for antiarrhythmic drug treatment in patients with CKD. Purpose To evaluate the efficacy and safety of dronedarone in patients with AF or atrial flutter (AFL) across different stages of renal impairment. Methods In this post-hoc analysis of ATHENA (NCT00174785), a randomised, double-blind trial of dronedarone 400 mg BID vs placebo in patients with AF or AFL plus additional risk factors for death and a calculated glomerular filtration rate ≥10 mL/min, the primary outcome was time to first cardiovascular (CV) hospitalisation or death. Renal function (estimated glomerular filtration rate [eGFR]) was assessed using CKD Epidemiology Collaboration equation and patients were grouped by eGFR (10–44, 45–59, ≥60 mL/min). Log-rank testing and Cox regression were used to compare time to events between treatment groups. Results In ATHENA, 43.6% of placebo and 42.2% of dronedarone patients had mild-to-moderate CKD (Table). Median time to CV hospitalisation/death was longer in all strata for dronedarone vs placebo, reaching significance in the 45–59 and ≥60 mL/min groups (Figure 1). There was a trend towards more treatment-emergent adverse events (TEAEs), deaths and discontinuations due to TEAEs in patients with eGFR 10–44 mL/min. No clear difference in safety was seen between treatment arms except for discontinuations, which were higher with dronedarone. Conclusions This analysis confirms the efficacy of dronedarone, demonstrated in ATHENA, across different stages of renal impairment. Further assessment of safety will require larger populations of patients with CKD. Figure 1 Funding Acknowledgement Type of funding source: Private company. Main funding source(s): Sanofi
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».