Empagliflozin and uric acid metabolism in diabetes: A post hoc analysis of the <scp>EMPA‐REG OUTCOME</scp> trial
Notice bibliographique
Résumé
AIM: To evaluate the effect of empagliflozin on uric acid (UA) levels, antigout medication and gout episodes in the EMPA-REG OUTCOME trial (NCT01131676). MATERIALS AND METHODS: A total of 7020 patients with type 2 diabetes (T2D) were randomized to either empagliflozin (10 or 25 mg) or placebo. The effects of empagliflozin versus placebo on UA concentration were assessed using mixed linear models. A composite outcome of new prescription of antigout medication or gout episode was studied with Cox proportional hazards models. RESULTS: Empagliflozin reduced serum UA levels versus placebo: week 52 adjusted mean treatment difference = -0.37 (95% confidence interval [CI] -0.42, -0.31) mg/dL; this was more pronounced in patients with baseline UA ≥ 7.0 mg/dL versus <7.0 mg/dL: week 52 adjusted mean treatment difference = -0.56 (95% CI -0.68, -0.43) and -0.30 (95% CI -0.37, -0.24) mg/dL, respectively. Among 6607 patients not taking antigout medications at baseline, 5.2% had a gout episode or initiated antigout treatment versus 3.6% in the placebo and empagliflozin groups, respectively: hazard ratio 0.67 (95% CI 0.53, 0.85; P = 0.001). Both components of the composite outcome contributed to the reduction with empagliflozin in the composite. Risk reduction was similar with both empagliflozin doses. CONCLUSIONS: Empagliflozin reduced UA levels and the composite of gout episodes or prescription of antigout medication. These clinically important findings expand the utility of empagliflozin as a potential antigout treatment in patients with T2D, beyond its well-established cardio-renal benefits.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».