Kidney and Heart Failure Events are Bidirectionally Associated in Patients with Type 2 Diabetes and Cardiovascular Disease
Notice bibliographique
Résumé
AIMS: This study aimed to evaluate the bidirectional relationship between kidney and cardiovascular (CV) events in trial participants with type 2 diabetes and CV disease. METHODS AND RESULTS: Post hoc analyses of EMPA-REG OUTCOME using Cox regression models were performed to assess the association of baseline factors with risk of a kidney event and bidirectional associations of incident kidney events and CV events. Among placebo-treated participants, baseline factors significantly associated with greater kidney event risk included lower baseline estimated glomerular filtration rate, albuminuria, higher uric acid, low-density lipoprotein cholesterol levels, and prior heart failure (HF). Coronary artery disease was not associated with increased risk. In placebo-treated participants, occurrence of an incident non-fatal kidney event increased the subsequent risk of hospitalization for HF (HHF) but not 3-point major adverse CV events (non-fatal stroke, non-fatal myocardial infarction, and CV death). Vice versa, HHF (but not myocardial infarction/stroke) increased the risk of subsequent kidney events. These associations were generally also seen in empagliflozin-treated participants and in the overall population. Interestingly, the risk of kidney events following HHF was not significantly increased in the relatively small number of placebo-treated participants already diagnosed with HF at baseline. CONCLUSIONS: These findings demonstrate a bidirectional inter-relationship between HHF and kidney events. Further exploration of this relationship and strategies to optimize the use of therapies to reduce both kidney and HF outcomes is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».