Renal function and the effects of vericiguat in patients with worsening heart failure with reduced ejection fraction: insights from the <scp>VICTORIA</scp> ( <scp>Vericiguat</scp> Global Study in Subjects with <scp>HFrEF</scp> ) trial
Notice bibliographique
Résumé
Abstract Aims Vericiguat reduced the primary composite outcome of cardiovascular death or heart failure (HF) hospitalization in patients with worsening HF with reduced ejection fraction (HFrEF) and a lower limit of baseline estimated glomerular filtration rate (eGFR) of 15 mL/min/1.73 m 2 . We evaluated the relationship between the efficacy of vericiguat and baseline and subsequent changes in renal function. Methods and results In VICTORIA, core laboratory serum creatinine was measured at baseline ( n = 4956) and weeks 16, 32, and 48. Worsening renal function (WRF), defined as an increase ≥0.3 mg/dL in creatinine from baseline to week 16, was assessed via a Cox model with respect to subsequent primary events. Mean age was 69 years, 24% were female, and mean baseline eGFR was 61 mL/min/1.73 m 2 . During 48 weeks of treatment, the trajectories in eGFR and creatinine with vericiguat were similar to placebo ( P = 0.50 and 0.18). The beneficial effects of vericiguat on the primary outcome were not influenced by baseline eGFR (interaction P = 0.48). WRF occurred in 15% of patients and was associated with worse outcomes (adjusted hazard ratio 1.28, 95% confidence interval 1.11–1.47; P < 0.001), but the beneficial effects of vericiguat on the primary outcome were similar in patients with or without WRF (interaction P = 0.76). Conclusion Renal function trajectories were similar between vericiguat‐ and placebo‐treated patients and the beneficial effects of vericiguat on the primary outcome were consistent across the full range of eGFR and irrespective of WRF.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».