Efficacy and Safety of Dapagliflozin by Baseline Glycemic Status: A Prespecified Analysis From the DAPA-CKD Trial
Notice bibliographique
Résumé
OBJECTIVE The Dapagliflozin and Prevention of Adverse outcomes in Chronic Kidney Disease (DAPA-CKD) study demonstrated risk reduction for kidney and cardiovascular outcomes with dapagliflozin versus placebo in participants with chronic kidney disease (CKD) with and without diabetes. We compared outcomes according to baseline glycemic status. RESEARCH DESIGN AND METHODS We enrolled participants with CKD, estimated glomerular filtration rate (eGFR) 25–75 mL/min/1.73 m2, and urinary albumin-to-creatinine ratio 200–5,000 mg/g. The primary composite end point was sustained eGFR decline ≥50%, end-stage kidney disease, or kidney or cardiovascular death. RESULTS Of 4,304 participants, 738 had normoglycemia, 660 had prediabetes, and 2,906 had type 2 diabetes. The effect of dapagliflozin on the primary outcome was consistent (P for interaction = 0.19) in normoglycemia (hazard ratio [HR] 0.62 [95% CI 0.39, 1.01]), prediabetes (HR 0.37 [0.21, 0.66]), and type 2 diabetes (HR 0.64 [0.52, 0.79]). We found no evidence for effect modification on any outcome. Adverse events were similar, with no major hypoglycemia or ketoacidosis in participants with normoglycemia or prediabetes. CONCLUSIONS Dapagliflozin safely reduced kidney and cardiovascular events independent of baseline glycemic status.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».