Rationale and design of a randomised phase III registration trial investigating finerenone in participants with type 1 diabetes and chronic kidney disease: The FINE-ONE trial
Notice bibliographique
Résumé
Aims Despite guideline-recommended treatments, including renin angiotensin system inhibition, up to 40 % of individuals with type 1 diabetes develop chronic kidney disease (CKD) putting them at risk of kidney failure. Finerenone is approved to reduce the risk of kidney failure in individuals with type 2 diabetes. We postulate that finerenone will demonstrate benefits on kidney outcomes in people with type 1 diabetes. Methods FINE-ONE (NCT05901831) is a randomised, placebo-controlled, double-blind phase III trial of 7.5 months' duration in ∼220 adults with type 1 diabetes, urine albumin/creatinine ratio (UACR) of ≥ 200–< 5000 mg/g (≥ 22.6–< 565 mg/mmol) and eGFR of ≥ 25–< 90 ml/min/1.73 m 2 . Results The primary endpoint is relative change in UACR from baseline over 6 months. UACR is used as a bridging biomarker (BB), since the treatment effect of finerenone on UACR was associated with its efficacy on kidney outcomes in the type 2 diabetes trials. Based on regulatory authority feedback, UACR can be used as a BB for kidney outcomes to support registration of finerenone in type 1 diabetes, provided necessary criteria are met. Secondary outcomes include incidences of treatment-emergent adverse events, treatment-emergent serious adverse events and hyperkalaemia. Conclusions FINE-ONE will evaluate the efficacy and safety of finerenone in type 1 diabetes and CKD. Finerenone could become the first registered treatment for CKD associated with type 1 diabetes in almost 30 years. Trial registration: ClinicalTrials.gov NCT05901831.
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 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 | 0,007 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».