MétaCan
Menu
Retour à la cohorte
Enregistrement W3179748924 · doi:10.2337/dc21-0076

The Effect of Dapagliflozin on Albuminuria in DECLARE-TIMI 58

2021· article· en· W3179748924 sur OpenAlexaff
Ofri Mosenzon, Stephen D. Wiviott, Hiddo J.L. Heerspink, Jamie P. Dwyer, Avivit Cahn, Erica L. Goodrich, Aliza Rozenberg, Meir Schechter, Ilan Yanuv, Sabina A. Murphy, Thomas A. Zelniker, Ingrid Gause‐Nilsson, Anna Maria Langkilde, Martin Fredriksson, Peter A. Johansson, Deepak L. Bhatt, Lawrence A. Leiter, Darren K. McGuire, John Wilding, Marc S. Sabatine, Itamar Raz

Notice bibliographique

RevueDiabetes Care · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesSt. Jude MedicalU.S. Food and Drug AdministrationDeutsche ForschungsgemeinschaftMedicines CompanyRegado BiosciencesZora BiosciencesAmerican Heart AssociationIntarcia TherapeuticsIronwood Pharmaceuticals, IncorporatedRegeneron PharmaceuticalsDuke Clinical Research InstituteEisaiBrigham and Women's HospitalBoston VA Research InstituteEli Lilly and CompanyCleveland ClinicBristol-Myers SquibbAllerganAstraZenecaCSL BehringBelvoir Media GroupNovo NordiskMyoKardiaDaiichi Sankyo EuropeServierGilead SciencesAmgenPfizerBayer HealthCareSanofi
Mots-clésAlbuminuriaDapagliflozinMedicineRenal functionCreatinineUrologyInternal medicineKidney diseaseDiabetes mellitusTIMIType 2 diabetesPlaceboEndocrinologyMyocardial infarctionPathologyPercutaneous coronary intervention

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE Sodium–glucose cotransporter 2 inhibitors (SGLT2i) improve albuminuria in patients with high cardiorenal risk. We report albuminuria change in the Dapagliflozin Effect on Cardiovascular Events (DECLARE-TIMI 58) cardiovascular outcome trial, which included populations with lower cardiorenal risk. RESEARCH DESIGN AND METHODS DECLARE-TIMI 58 randomized 17,160 patients with type 2 diabetes, creatinine clearance >60 mL/min, and either atherosclerotic cardiovascular disease (CVD; 40.6%) or risk-factors for CVD (59.4%) to dapagliflozin or placebo. Urinary albumin-to-creatinine ratio (UACR) was tested at baseline, 6 months, 12 months, and yearly thereafter. The change in UACR over time was measured as a continuous and categorical variable (≤15, >15 to <30, ≥30 to ≤300, and >300 mg/g) by treatment arm. The composite cardiorenal outcome was a ≥40% sustained decline in the estimated glomerular filtration rate (eGFR) to <60 mL/min/1.73 m2, end-stage kidney disease, and cardiovascular or renal death; specific renal outcome included all except cardiovascular death. RESULTS Baseline UACR was available for 16,843 (98.15%) participants: 9,067 (53.83%) with ≤15 mg/g, 2,577 (15.30%) with >15 to <30 mg/g, 4,030 (23.93%) with 30–300 mg/g, and 1,169 (6.94%) with >300 mg/g. Measured as a continuous variable, UACR improved from baseline to 4.0 years with dapagliflozin, compared with placebo, across all UACR and eGFR categories (all P < 0.0001). Sustained confirmed ≥1 category improvement in UACR was more common in dapagliflozin versus placebo (hazard ratio 1.45 [95% CI 1.35–1.56], P < 0.0001). Cardiorenal outcome was reduced with dapagliflozin for subgroups of UACR ≥30 mg/g (P < 0.0125, Pinteraction = 0.033), and the renal-specific outcome was reduced for all UACR subgroups (P < 0.05, Pinteraction = 0.480). CONCLUSIONS In DECLARE-TIMI 58, dapagliflozin demonstrated a favorable effect on UACR and renal-specific outcome across baseline UACR categories, including patients with normal albumin excretion. The results suggest a role for SGLT2i also in the primary prevention of diabetic kidney disease.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,005
Tête enseignante GPT0,238
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations109
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes CareMême sujetDiabetes Treatment and ManagementTravaux en français237 207