Renal haemodynamic and protective effects of renoactive drugs in type 2 diabetes: Interaction with SGLT2 inhibitors
Notice bibliographique
Résumé
Diabetic kidney disease remains the leading cause of end-stage kidney disease and a major risk factor for cardiovascular disease. Large cardiovascular outcome trials and dedicated kidney trials have shown that sodium-glucose cotransporter (SGLT)2 inhibitors reduce cardiovascular morbidity and mortality and attenuate hard renal outcomes in patients with type 2 diabetes (T2D). Underlying mechanisms explaining these renal benefits may be mediated by decreased glomerular hypertension, possibly by vasodilation of the post-glomerular arteriole. People with T2D often receive several different drugs, some of which could also impact the renal vasculature, and could therefore modify both renal efficacy and safety of SGLT2 inhibition. The most commonly prescribed drugs that could interact with SGLT2 inhibitors on renal haemodynamic function include renin-angiotensin system inhibitors, calcium channel blockers and diuretics. Herein, we review the effects of these drugs on renal haemodynamic function in people with T2D and focus on studies that measured glomerular filtration rate (GFR) and effective renal plasma flow (ERPF) with gold-standard techniques. In addition, we posit, based on these observations, potential interactions with SGLT2 inhibitors with an emphasis on efficacy and safety.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».