Dronedarone vs. placebo in patients with atrial fibrillation or atrial flutter across a range of renal function: a<i>post hoc</i>analysis of the ATHENA trial
Notice bibliographique
Résumé
AIMS: Use of antiarrhythmic drugs (AADs) in patients with chronic kidney disease (CKD) is challenging owing to issues with renal clearance, drug accumulation, and increased proarrhythmic risks. Because CKD is a common comorbidity in patients with atrial fibrillation/atrial flutter (AF/AFL), it is important to establish the efficacy and safety of AAD treatment in patients with CKD. METHODS AND RESULTS: Dronedarone efficacy and safety in individuals with AF/AFL and varying renal functionality [estimated glomerular filtration rate (eGFR): ≥60, ≥45 and <60, and <45 mL/min] was investigated in a post hoc analysis of ATHENA (NCT00174785), a randomized, double-blind trial of dronedarone vs. placebo in patients with paroxysmal or persistent AF/AFL plus additional cardiovascular (CV) risk factors. Log-rank testing and Cox regression were used to compare the incidence of endpoints between treatments. Overall, 4588 participants were enrolled from the trial. There was no interaction between treatment group and baseline eGFR assessed as a continuous variable (P = 0.743) for the first CV hospitalization or death from any cause (primary outcome). This outcome was lower with dronedarone vs. placebo across a wide range of renal function. First CV hospitalization and first AF/AFL recurrence were both lower in the two least renally impaired subgroups with dronedarone vs. placebo. Treatment emergent adverse events leading to treatment discontinuation were more frequent with dronedarone vs. placebo and occurred more often in patients with severe renal impairment. CONCLUSION: Dronedarone is an effective AAD in patients with AF/AFL and CV risk factors across a wide range of renal function.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».