MétaCan
Menu
Retour à la cohorte
Enregistrement W4381377561 · doi:10.2337/db23-413-p

413-P: Intensive Insulin Therapy Delays the “Breakpoint” to Progressive Kidney Function Decline—New Findings and Implications of eGFR Trajectory Analysis in DCCT/EDIC Data

2023· article· en· W4381377561 sur OpenAlexaboutno aff
Katsuhito Ihara, Jan Skupień, Eiichiro Satake, BRUCE A. PERKINS, Andrzej S. Królewski

Notice bibliographique

RevueDiabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreakpointMedicineInternal medicineRenal functionCohortKidney diseaseAlbuminuriaEndocrinologyBiologyGeneticsChromosomal translocationGene

Résumé

récupéré en direct d'OpenAlex

Patterns of kidney function decline vary among those with T1D. End-stage kidney disease (ESKD) develops after progressive kidney function decline that begins when kidney function is normal, regardless of albuminuria. We aimed to determine if these findings were observed in the DCCT/EDIC cohort, which enrolled 1,441 individuals and randomly assigned them to intensive insulin therapy (n=711) or conventional insulin therapy (n=730). Baseline mean eGFR and AER were 125 ml/min/1.73m2 and 12 mg/24 hours, respectively. During 27 years of follow-up 129 individuals reached reduced eGFR <60ml/min/1.73m2 or ESKD. For these individuals we applied latent class trajectory analysis minimizing sum of squares of linear spline models with varying knot placement to identify patterns of eGFR decline. We identified two patterns: i) slow decline without eGFR breakpoint (n=56) and ii) fast decline with clear breakpoint (n=73). Slow decliners reached reduced eGFR but rarely ESKD (2%), while many fast decliners progressed to ESKD (35%) within 5-15 years after the breakpoint. Fast decline was less frequent in intensive compared to conventional insulin therapy [26 (3.7%) vs 47 (6.4%), respectively, p=0.022] and had longer median time from enrollment to breakpoint (18 vs 13 years, respectively, p=0.0004). However, the slope of annual loss of eGFR after breakpoint did not differ. In conclusion, we identified a unique phenotype - the “breakpoint” to fast decline in eGFR - as the main predictor of ESKD in T1D. This breakpoint started while eGFR was normal, subsequent decline was linear, and the onset of the breakpoint was substantially delayed by intensive insulin therapy rather than the slope of decline itself. Research on biomarkers that predict the onset of the eGFR ‘breakpoint’ is needed. Disclosure K.Ihara: None. J.K.Skupien: None. E.Satake: None. B.A.Perkins: Advisory Panel; Dexcom, Inc., Insulet Corporation, Novo Nordisk, Sanofi, Vertex Pharmaceuticals Incorporated, Other Relationship; Abbott, Medtronic, Sanofi, Research Support; Novo Nordisk, Bank of Montreal (BMO). A.Krolewski: None.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,304
Écart entre enseignants0,267 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207