MétaCan
Menu
Retour à la cohorte
Enregistrement W4293280727 · doi:10.1093/ckj/sfac189

SGLT-2 inhibitors in nephrotic-range proteinuria: emerging clinical evidence

2022· review· en· W4293280727 sur OpenAlexaff
Zeynepgül Kalay, Özgün Ekin Şahin, Sidar Çöpür, Senem Danacı, Alberto Ortíz, Kevin Yau, David Z.I. Cherney, Mehmet Kanbay

Notice bibliographique

RevueClinical Kidney Journal · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesVifor PharmaGlaxoSmithKline AustraliaKyowa Kirin Pharmaceutical DevelopmentIdorsia PharmaceuticalsAmicus TherapeuticsNovo NordiskAstraZenecaChiesi FarmaceuticiMenarini GroupAstellas Pharma USAlexion PharmaceuticalsFresenius Medical Care North AmericaBayerAmgen
Mots-clésProteinuriaAlbuminuriaMedicineNephrotic syndromeKidney diseaseRandomized controlled trialInternal medicineGlycemicDiabetes mellitusUrologyIntensive care medicineKidneyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Sodium-glucose cotransporter-2 (SGLT-2) inhibitors are a class of novel oral anti-hyperglycemic agents which are increasingly used in clinical practice. SGLT-2 inhibitors improve glycemic control and cardiorenal outcomes, promote weight loss, and reduce blood pressure. Randomized controlled trials have demonstrated that SGLT-2 inhibitors reduce proteinuria and delay progression of kidney disease in patients with albuminuria. However, whether SGLT-2 inhibitors have similar benefits in patients with nephrotic-range proteinuria has not been well established. Evidence to date has been limited to case reports, case series and secondary analyses of randomized controlled trials. This is the first comprehensive review on the effectiveness of SGLT-2 inhibitors for the treatment of patients with nephrotic-range albuminuria or proteinuria. Overall findings support a likely beneficial role of SGLT-2 inhibitors in reducing proteinuria and delaying chronic kidney disease progression in patients with nephrotic-range proteinuria.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,263
Tête enseignante GPT0,489
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations37
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Kidney JournalMême sujetDiabetes Treatment and ManagementTravaux en français237 207