Risk of Hospitalization for Heart Failure (HHF) by eGFR and Urinary Albumin-to-Creatinine Ratio (UACR): Pooled Analyses from the CANVAS Program and CREDENCE
Notice bibliographique
Résumé
Background: People with type 2 diabetes (T2D) are at particularly elevated risk of cardiovascular (CV) events including heart failure (HF) if they have chronic kidney disease (CKD). Albuminuria and eGFR are each associated with increased risk, leading to recommendations for annual assessment of these parameters. We analyzed the combined effects of eGFR and UACR on risk of HHF, and the effect of canagliflozin (CANA) on reducing risk, in patients with T2D using pooled data from the CANVAS Program and CREDENCE. Methods: The CANVAS Program enrolled 10,142 patients with T2D and CV disease or high CV risk. CREDENCE enrolled 4401 patients with T2D and CKD. Risk of HHF was examined in subgroups by baseline eGFR (<45, 45-60, and >60mL/min/1.73m2) and UACR (<30, 30-300, and >300mg/g). Hazard ratios (HR) and 95% CI were estimated using a Cox proportional hazards model. Results: In placebo-treated participants (Figure), the risk of HHF was generally lowest in people with UACR <30 and eGFR >60, and highest in those with eGFR <45 and UACR >300. HHF rates increased 6.5-fold between those with UACR <30 and >300 and eGFR >60 at baseline and almost 10-fold as eGFR declined from >60 to <45 in patients with UACR <30 at baseline. CANA reduced the risk of HHF overall with some evidence of treatment heterogeneity by UACR and eGFR (P interaction=0.0218).Figure.: HHF by eGFR and UACR.Conclusions: People with T2D and reduced eGFR, increased albuminuria, and especially both, were at increased risk of HHF. The risk of HHF was reduced overall by CANA. Funding: Commercial Support - Janssen Scientific Affairs, LLC
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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,019 |
| Bibliométrie | 0,002 | 0,003 |
| 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) | 0,002 | 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 ».