Abstract 13640: Baseline Kidney Function and the Effects of Dapagliflozin on Health Status in Heart Failure: A Pooled Patient-Level Analysis From DFEINE-HF and PRESERVED-HF
Notice bibliographique
Résumé
Background: Sodium-glucose co-transport-2 (SGLT2) inhibitors have been shown to reduce clinical events and improve health status (symptoms, function, and quality of life) in patients with HF across the range of EF. Baseline kidney dysfunction is common in HF, complicates HF management, and is strongly linked to worse health status. Aim: The study objective was to assess whether the treatment effects of dapagliflozin on health status vary based on baseline eGFR. Methods: Patient-level data were pooled from the DEFINE-HF (N = 263 participants with EF < 40%) and PRESERVED-HF trials (N = 324 participants with EF > 45%). Both were double-blind, randomized trials of dapagliflozin vs. placebo, enrolling participants with NYHA class II or higher and elevated natriuretic peptides. The primary endpoint for this analysis was Kansas City Cardiomyopathy Questionnaire Clinical Summary Score (KCCQ-CCS) at 12 weeks. Interaction of dapagliflozin effects on KCCQ-CCS by baseline eGFR (mL/min/1.73m 2 ) was assessed as categorical (i.e., eGFR <60 vs. > 60) and continuous variables. Results: Across both trials there were 583 (99.3%) participants with available baseline eGFR. The median (25 th , 75 th ) eGFR was 59 (46,77). Dapagliflozin improved KCCQ-CSS at 12 weeks (placebo-adjusted difference, +5.0 points, 95% Confidence Interval [CI] 2.6-7.5; p-value <0.001), and this was consistent in participants with an eGFR > 60 (+6.0 points, 95% CI 2.4-9.7; p=0.001) and <60 (+4.1 points, 95% CI 0.5-7.7; p=0.025) (p-interaction = 0.46). The benefits of dapagliflozin on KCCQ-CSS were robust across eGFR when modeled continuously (p-interaction = 0.46) ( Figure ). There was no heterogeneity of treatment effects when analyzing other KCCQ domains based on eGFR categorically or continuously (all p-interaction = NS). Conclusion: Treatment with dapagliflozin for 12 weeks led to significant and consistent improvements in health-related quality of life in patients with HF across a wide range of eGFRs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,024 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».