MétaCan
Menu
Retour à la cohorte
Enregistrement W4226156343

Sodium-Glucose Cotransporter 2 Inhibitors and Risk of Hyperkalemia in People With Type 2 Diabetes: A Meta-Analysis of Individual Participant Data From Randomized, Controlled Trials

2022· review· en· W4226156343 sur OpenAlexaff
Brendon L. Neuen, Megumi Oshima, Rajiv Agarwal, Clare Arnott, David Z.I. Cherney, Robert Edwards, Anna Maria Langkilde, Kenneth W. Mahaffey, Darren K. McGuire, Bruce Neal, Vlado Perkovic, Annpey Pong, Marc S. Sabatine, Itamar Raz, Tadashi Toyama, Christoph Wanner, David C. Wheeler, Stephen D. Wiviott, Bernard Zinman, Hiddo J.L. Heerspink

Notice bibliographique

RevueUCL Discovery (University College London) · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineType 2 diabetesHyperkalemiaRandomized controlled trialMeta-analysisDiabetes mellitusCotransporterBenzhydryl compoundsInternal medicinePharmacologySodiumEndocrinology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Hyperkalemia increases risk of cardiac arrhythmias and death and limits the use of renin-angiotensin-aldosterone system (RAAS) inhibitors and mineralocorticoid receptor antagonists (MRAs), which improve clinical outcomes in people with chronic kidney disease (CKD) and/or systolic heart failure. Sodium-glucose cotransporter 2 (SGLT2) inhibitors reduce the risk of cardiorenal events in people with type 2 diabetes at high cardiovascular risk or with CKD. However, their effect on hyperkalemia has not been systematically evaluated. / Methods: A meta-analysis was conducted using individual participant data from randomized, double-blind, placebo-controlled clinical outcome trials with SGLT2 inhibitors in people with type 2 diabetes at high cardiovascular risk and/or with CKD, in which serum potassium levels were routinely measured. The primary outcome was time to serious hyperkalemia, defined as central laboratory determine serum potassium ≥6.0 mmol/L, with other outcomes including investigator-reported hyperkalemia events and hypokalemia (serum potassium ≤3.5 mmol/L). Cox regression analyses were performed to estimate treatment effects from each trial with hazards ratios (HR) and corresponding 95% CI pooled using random effects models to obtain summary treatment effects, overall and across key subgroups. / Results: Results from six trials were included comprising 49,875 participants assessing four SGLT2 inhibitors. 1,754 participants developed serious hyperkalemia and an additional 1,119 investigator-reported hyperkalemia events were recorded. SGLT2 inhibitors reduced the risk of serious hyperkalemia (HR 0.84, 95% CI 0.76-0.93), an effect consistent across studies (P-heterogeneity=0.71). The incidence of investigator-reported hyperkalemia was also lower with SGLT2 inhibitors (HR 0.80, 95% CI 0.68-0.93; P-heterogeneity=0.21). Reductions in serious hyperkalemia were observed across a range of subgroups including baseline kidney function, history of heart failure, RAAS inhibitor, diuretic and MRA use. SGLT2 inhibitors did not increase the risk of hypokalemia (HR 1.04, 95% CI 0.94-1.15; P-heterogeneity=0.42). / Conclusions: SGLT2 inhibitors reduce the risk of serious hyperkalemia in people with type 2 diabetes at high cardiovascular risk and/or with CKD, without increasing the risk of hypokalemia.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0270,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,105
Tête enseignante GPT0,295
Écart entre enseignants0,189 · 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.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations213
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUCL Discovery (University College London)Même sujetDiabetes Treatment and ManagementTravaux en français237 207