The non-steroidal mineralocorticoid receptor antagonist finerenone is a novel therapeutic option for patients with Type 2 diabetes and chronic kidney disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite strong preclinical data supporting the use of mineralocorticoid receptor antagonists (MRAs) to provide cardiorenal protection in rodent models of diabetes, the clinical evidence of their utility in treating chronic kidney disease (CKD) has been limited. Two major clinical trials (FIDELIO-DKD and FIGARO-DKD) including more than 13,000 patients with albuminuric CKD and Type 2 diabetes randomized to placebo or finerenone (MRA) have recently provided exciting results showing a significant risk reduction for kidney and cardiovascular outcomes. In this review, we will summarize the major findings of these trials, together with post-hoc and pooled analyses that have allowed evaluation of the efficacy and safety of finerenone across the spectrum of CKD, revealing significant protective effects of finerenone against kidney failure, new-onset atrial fibrillation or flutter, new-onset heart failure, cardiovascular death, and first and total heart-failure hospitalizations. Moreover, we will discuss the current evidence that supports the combined use of MRAs with sodium-glucose co-transporter-2 inhibitors, either by providing an additive cardiorenal benefit or by decreasing the risk of hyperkalemia. Although the mechanisms of protection by finerenone have only been partially explored in patients, rodent studies have shed light on its anti-inflammatory and anti-fibrotic effects in models of kidney disease, which is one of the main drivers for testing the efficacy of finerenone in non-diabetic CKD patients in the ongoing FIND-CKD trial.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle