Trimetazidine reduces contrast-induced nephropathy in patients with renal insufficiency undergoing coronary angiography and angioplasty
Notice bibliographique
Résumé
OBJECTIVES: This systematic review and meta-analysis assesses the utility of trimetazidine (TMZ) to prevent contrast induced nephropathy (CIN) in patients with renal insufficiency undergoing coronary angiography and angioplasty. MATERIALS AND METHODS: This meta-analysis was formulated and reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. A search of databases was conducted by 2 researchers independently for clinical trials, comparing hydration plus TMZ vs conventional hydration alone for prevention of CIN through January 2020. All patients had renal insufficiency (defined as GFR < 89 ml/minute/1.73 m2) and the outcome of interest was the incidence of contrast induced acute kidney injury. The odds ratio (OR) was estimated with 95% confidence interval (CI). Heterogeneity was reported with the I2 statistic, using a fixed-effects model, and >50% of I2 was considered to be statistically significant. RESULTS: Eleven studies, 1611 patients, met the inclusion/exclusion criteria: 797 patients comprised the TMZ plus hydration group and the remaining 814 patients comprised the control (hydration only) group. Heterogeneity was low I2 = 0%, P = .84, and the heterogeneity of each study was also low. The incidence of CIN in the TMZ plus hydration group was 6.6% (53/797), while the incidence of CIN in the control (hydration only) group was 20% (165/814). Pooled analysis of all studies showed TMZ reduced incidence of CIN compared to saline hydration alone (OR risk 0.30, 95% CI 0.21, 0.42, P < .0001). CONCLUSION: TMZ added to hydration reduces CIN in renal insufficiency patients undergoing coronary angiography.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».