MétaCan
Menu
Retour à la cohorte
Enregistrement W4317623094 · doi:10.1016/j.ekir.2023.01.011

Effects of Ertugliflozin on Kidney Outcomes in Patients With Heart Failure at Baseline in the Evaluation of Ertugliflozin Efficacy and Safety Cardiovascular Outcomes (VERTIS CV) Trial

2023· article· en· W4317623094 sur OpenAlexaff
David Z.I. Cherney, Francesco Cosentino, Darren K. McGuire, Ahmed A. Kolkailah, Samuel Dagogo‐Jack, Richard E. Pratley, Robert Frederich, Mario Maldonado, Chih‐Chin Liu, Christopher P. Cannon

Notice bibliographique

RevueKidney International Reports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesNational Heart, Lung, and Blood InstituteMerck Sharp and DohmeNational Institutes of HealthPfizerAmerican Heart Association
Mots-clésMedicineHazard ratioHeart failurePlaceboEjection fractionInternal medicineRenal functionKidney diseaseConfidence intervalRandomized controlled trialCardiologyPathology

Résumé

récupéré en direct d'OpenAlex

Introduction: analysis, the effects of ertugliflozin on kidney outcomes were assessed in analyses stratified by baseline heart failure (HF). Methods: Baseline HF was defined as a history of HF or prerandomization left ventricular ejection fraction ≤45%. Outcomes included estimated glomerular filtration rate (eGFR) over time, total 5-year eGFR slopes and time to first event of a prespecified exploratory kidney composite outcome of sustained ≥40% decrease from baseline eGFR, chronic kidney replacement therapy, or kidney death. All analyses were stratified by baseline HF status. Results: = 0.22). Conclusion: Although patients with HF at baseline had a faster rate of eGFR decline in VERTIS CV, the beneficial effects of ertugliflozin on kidney outcomes did not differ when stratified by baseline HF.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,277
Écart entre enseignants0,264 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetDiabetes Treatment and ManagementTravaux en français237 207