Tirzepatide Reduces Albuminuria in Patients with T2D: Post-hoc Pooled Analysis of SURPASS 1-5
Notice bibliographique
Résumé
Does tirzepatide (5, 10, 15 mg) reduce urine albumin-creatinine ratio (UACR) compared to placebo or other diabetes medications? Methods : In this post-hoc analysis, UACR (% difference) for TZP (5, 10, 15 mg) vs comparators (COMPs) was analysed. Analyses were conducted in the pooled entire SURPASS 1-5 population and populations pooled by COMP: placebo (SURPASS 1 & 5); active (SURPASS 2 [semaglutide 1 mg] & SURPASS 3-4 [insulins]); and insulins. In each pooled population, data were examined in all patients and in subgroups defined by baseline UACR ≥30 mg/g or eGFR<60 mL/min/1.73m^2. Mixed model for repeated measures was used to analyse on-treatment data from baseline up to the end of treatment visit. Results : UACR data was available in 6263 patients of whom 1846 had UACR ≥30 mg/g and 537 had eGFR<60 mL/min/1.73m^2. UACR decreased more with TZP 5, 10, and 15 mg vs COMPs in pooled SURPASS 1-5 and consistently across pooled placebo, active, and insulin COMP studies. UACR lowering appeared more pronounced in subgroups with baseline UACR ≥30 mg/g or eGFR<60 mL/min/1.73m^2. Conclusion : In people with T2D, including those with reduced kidney function, TZP decreased UACR vs COMPs to a clinically relevant degree, supporting a potential kidney protective effect. ^ denotes square root of in this submission Publication History Article published online: 18 April 2024 © 2024. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,019 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».