Prasugrel and Ticagrelor in Patients with Drug-Eluting Stents and Kidney Failure
Notice bibliographique
Résumé
Background and objectives Prasugrel and ticagrelor have superior efficacy compared with clopidogrel in moderate CKD but have not been studied in kidney failure. The study objective is to determine the effectiveness and safety of prasugrel and ticagrelor in kidney failure. Design, setting, participants, & measurements This retrospective cohort study used United States Renal Data System data from 2012 to 2015. We identified all patients on dialysis who received a drug-eluting stent and were alive at 90 days after stent implantation. Inverse probability–weighted Cox proportional hazard models were used. Weights were estimated with propensity scores for multiple treatments. Results This cohort included 6648 patients on clopidogrel, 621 on prasugrel, and 449 on ticagrelor. A total of 3279 primary composite (cardiovascular death, myocardial infarction, or stroke) and 2120 clinically relevant bleeding events were observed. The incidence of the primary composite outcome of cardiovascular death, myocardial infarction, or stroke at 12 months was similar across the three treatment groups. The absolute event rate in the unweighted cohort was 144 events per 100 patient-years for clopidogrel, 126 for prasugrel, and 161 for ticagrelor. For prasugrel versus clopidogrel, the weighted hazard ratio was 0.96 (95% confidence interval, 0.82 to 1.11; P =0.58). For ticagrelor versus clopidogrel, the hazard ratio was 1.00 (95% confidence interval, 0.83 to 1.20; P =0.98). A numerically higher incidence of clinically relevant bleeding was seen with prasugrel or ticagrelor compared with clopidogrel (weighted hazard ratio, 1.15; 95% confidence interval, 0.95 to 1.38 and weighted hazard ratio, 1.13; 95% confidence interval, 0.91 to 1.40, respectively). Conclusions Prasugrel or ticagrelor does not seem to be associated with significant benefits compared with clopidogrel in patients with kidney failure treated with drug-eluting stents. Podcast This article contains a podcast at https://www.asn-online.org/media/podcast/CJASN/2021_04_02_CJN12120720.mp3
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».