Potential kidney protection with liraglutide and semaglutide: Exploratory mediation analysis
Notice bibliographique
Résumé
Abstract Aims To investigate whether effects on chronic kidney disease risk factors could explain the apparent reduction in kidney outcomes (composite of macroalbuminuria, doubling of serum creatinine, renal replacement therapy, or renal death), primarily driven by changes in albuminuria, after treatment with the glucagon‐like peptide‐1 receptor agonists (GLP‐1RAs) liraglutide and semaglutide in patients with type 2 diabetes in the LEADER and SUSTAIN 6 trials. Materials and Methods We evaluated the mediation effect of glycated haemoglobin (HbA1c), systolic blood pressure (BP), and body weight on the kidney effects of GLP‐1RAs. Diastolic BP, haemoglobin, heart rate, low‐density lipoprotein and total cholesterol, and white blood cell count were also investigated. The mediation effect was estimated by the novel Vansteelandt statistical method. Subgroups with estimated glomerular filtration rate (eGFR) <60 and ≥60 mL/min/1.73 m 2 were examined in LEADER. Results We observed that HbA1c mediated 25% (95% confidence interval [CI] −7.1; 67.3) and 26% (95% CI noncalculable), and systolic BP 9% (95% CI 2.8; 22.7) and 22% (95% CI noncalculable) of kidney effects of GLP‐1RAs in LEADER and SUSTAIN 6, respectively. Small or no mediation was observed for the other parameters; for example, body weight mediated 9% (95% CI −7.9; 35.5) in the former and did not mediate effects in the latter study. Mediation by HbA1c was greater in patients with eGFR ≥60 mL/min/1.73 m 2 (57%) versus those with eGFR <60 mL/min/1.73 m 2 (no mediation). Conclusions Our results suggest that HbA1c and systolic BP may moderately mediate kidney benefits of liraglutide and semaglutide, with all other variables having a small to no effect. Potential kidney benefits may be driven by other mediators or potentially by direct mechanisms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».