How do SGLT2 inhibitors protect the kidney? A mediation analysis of the EMPA-REG OUTCOME trial
Notice bibliographique
Résumé
INTRODUCTION: Mechanisms underlying kidney benefits with sodium-glucose cotransporter-2 (SGLT2) inhibition in heart failure and/or type 2 diabetes (T2D) with established cardiovascular disease are currently unclear. METHODS: We evaluated post hoc the factors mediating the effect of empagliflozin on a composite kidney outcome (first sustained estimated glomerular filtration rate ≥40% reduction from baseline, initiation of renal replacement therapy or death due to kidney disease) in EMPA-REG OUTCOME (Empagliflozin Cardiovascular Outcome Event Trial in Type 2 Diabetes Mellitus Patients). Variables, calculated as change from baseline or updated mean, were evaluated as time-dependent covariates and using a landmark approach (at Week 12) in Cox regression analyses. In multivariable analyses, variables with the greatest mediating effect were added using a step-up procedure. RESULTS: In univariable time-dependent updated mean covariate analyses, the strongest mediator was hematocrit (99.5% mediation). Hemoglobin, uric acid and urine albumin-to-creatinine ratio mediated 79.4%, 33.2% and 31.0%, respectively. Multivariable analyses were not performed due to the very strong mediation effect of hematocrit. In univariable Week 12 landmark change from baseline analyses, the strongest mediators included hematocrit (40.7%), glycated hemoglobin (28.3%), systolic blood pressure (16.8%) and free fatty acids (16.5%), which yielded a combined mediation of 78.9% in multivariable analysis. CONCLUSIONS: Changes in hematocrit and hemoglobin were the strongest mediators of empagliflozin's kidney benefits in EMPA-REG OUTCOME participants with T2D and cardiovascular disease.
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 | 0,020 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».