MétaCan
Menu
Retour à la cohorte
Enregistrement W3158972764 · doi:10.1210/jendso/bvab048.838

Efficacy and Safety of SGLT2 Inhibitors in Diabetic Kidney Transplant Patients: Review of the Current Literature

2021· article· en· W3158972764 sur OpenAlexaffabout
Shirley Shuster, Zeyana Al-Hadhrami, Sara Awad, Sarah Moore, Khaled Shamseddin

Notice bibliographique

RevueJournal of the Endocrine Society · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensKingston Health Sciences CentreQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineEmpagliflozinCanagliflozinRenal functionKidney diseaseInternal medicineDapagliflozinPopulationDiabetes mellitusGlycemicUrologyType 2 diabetesEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: SGLT2 inhibitors are oral hypoglycemic medications used in type 2 diabetes mellitus (T2DM). They act by blocking glucose and sodium reabsorption in the proximal renal tubules. In patients with T2DM and cardiovascular disease, SGLT2 inhibitors have been shown to improve glycemic control, promote weight loss, and reduce major adverse cardiovascular events (MACE). They have also been shown to have favorable renal outcomes in patients with chronic kidney disease (CKD) reducing albuminuria and progression to end-stage renal disease; however, all studies have excluded kidney transplant patients. The objective of this review was to determine the efficacy and safety of SGLT2 inhibitors in the kidney transplant population. Methods: We conducted a literature review to identify studies which assessed the use of SGLT2 inhibitors in kidney transplant patients with either T2DM or new onset diabetes after transplant (NODAT). The outcomes assessed included blood pressure, glycemic control, body weight, kidney function, proteinuria and complications. Results: Nine studies, which included 144 patients, were extracted for review. These included x4 case series, x3 cohort studies, x1 randomized control trial (RCT), and x1 case report. The largest study was a prospective RCT from Norway, which assessed empagliflozin versus placebo in 44 patients. Majority of patients had NODAT (n=92) or T2DM (n=50). All patients had estimated glomerular filtration rate (eGFR) >30mL/min/1.73m2 and HbA1C >6.5%. The most commonly used SGLT2 inhibitors were empagliflozin (n=82), canagliflozin (n=34), and dapagliflozin (n=28). SGLT2 inhibitor use in kidney transplant patients was found to demonstrate a small or non-significant reduction in blood pressure, modest improvement in glycemic control and decrease in insulin resistance, and moderate-to-significant weight reduction. It also resulted in stable graft function and one study demonstrated a reduction in proteinuria. The most common adverse effect was urinary tract infection (n=13). There were no cases of diabetic ketoacidosis or development of new ischemic lower limb ulcerations or amputations. Conclusion: Our literature review suggests beneficial outcomes of SGLT2 inhibitor use in diabetic kidney transplant patients, with no significant adverse effects or complications. Given the limited evidence in this population, we are launching a prospective study in kidney transplant patients with either T2DM or NODAT, and with eGFR ≥30mL/min/1.73m2, to assess the efficacy and safety of SGLT2 inhibitor use in this population. To our knowledge, this will be the first prospective study in Canada assessing SGLT2 inhibitor use in diabetic kidney transplant patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0070,009
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,249
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetDiabetes Treatment and ManagementTravaux en français237 207