MétaCan
Menu
Retour à la cohorte
Enregistrement W3155932096 · doi:10.3803/enm.2021.987

Cardiorenal Protection in Diabetic Kidney Disease

2021· review· en· W3155932096 sur OpenAlexafffund
Jason F. Lee, Ecaterina Berzan, Vikas S. Sridhar, Ayodele Odutayo, David Z.I. Cherney

Notice bibliographique

RevueEndocrinology and Metabolism · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensSt. Michael's HospitalToronto General HospitalDiabetes CanadaUniversity of TorontoUniversity Health Network
Organismes subventionnairesBanting and Best Diabetes Centre, University of TorontoCanadian Institutes of Health ResearchDepartment of Medicine, University of TorontoUniversity of TorontoDiabetes Canada
Mots-clésMedicineKidney diseaseMineralocorticoid receptorDiabetes mellitusType 2 diabetesKidneyDiseasePopulationInternal medicineDulaglutideIntensive care medicineEndocrinologyLiraglutideAldosterone

Résumé

récupéré en direct d'OpenAlex

Over the last 5 years there have been many new developments in the management of diabetic kidney disease. Glucagon-like peptide-1 receptor agonists (GLP-1 RA) and sodium-glucose cotransporter-2 (SGLT2) inhibitors were initially used for glycemic control, but more recent studies have now shown that their benefits extend to cardiovascular and kidney outcomes. The recent addition of data on the novel mineralocorticoid receptor antagonist (MRA) gives us another approach to further decrease the residual risk of diabetic kidney disease progression. In this review we describe the mechanism of action, key studies, and possible adverse effects related to these three classes of medications. The management of type 2 diabetes now includes an increasing number of medications for the management of comorbidities in a patient population at significant risk of cardiovascular disease and progression of chronic kidney disease. It is from this perspective that we seek to outline the rationale for the sequential and/or combined use of SGLT2 inhibitors, GLP-1 RA and MRAs in patients with type 2 diabetes for heart and kidney protection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,300
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEndocrinology and MetabolismMême sujetDiabetes Treatment and ManagementTravaux en français237 207