Dapagliflozin treatment of patients with chronic kidney disease without diabetes across different albuminuria levels (OPTIMISE-CKD)
Notice bibliographique
Résumé
ABSTRACT Background We compared kidney and cardiorenal protection in patients without type 2 diabetes across urine albumin–creatinine ratio (UACR) levels after initiation on dapagliflozin for the treatment of chronic kidney disease (CKD). Methods OPTIMISE-CKD is an observational study describing dapagliflozin treatment for CKD. Adult patients with CKD without type 2 diabetes were included in the primary analysis. Baseline UACR was grouped as normal/mildly elevated (0–29 mg/g), low (30–200 mg/g) and high (>200 mg/g). Outcomes were estimated glomerular filtration rate (eGFR) trajectories/slopes, cardiorenal complications and all-cause mortality. Results In total, 1480 patients had low (n = 796) and high (n = 684) UACR. The two groups were similar at baseline, aged 75 and 74 years, and 42% and 39% female, respectively. After dapagliflozin initiation, an acute eGFR dip of 3 mL/min/1.73 m2 was observed, followed by a flat development in both groups. The eGFR slope [95% confidence interval (CI)] for patients with low UACR was 0.79 mL/min/1.73 m2 per year (–0.59, 2.56), and similar to patients with high UACR [0.40 mL/min/1.73 m2 per year (–0.46, 1.38)]. Risks of cardiorenal complications and all-cause mortality were similar, with adjusted hazard ratios of 0.89 (95% CI 0.66, 1.19) and 1.10 (95% CI 0.63, 1.92), respectively. Analogous results were found in those with normal/mildly elevated UACR. Conclusions Dapagliflozin in patients without type 2 diabetes for the treatment of CKD demonstrated similar kidney protection, cardiorenal and all-cause mortality risk across UACR levels. This suggests that the efficacy of dapagliflozin found in clinical trials expands to real-world patients with CKD, regardless of albuminuria levels.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».