MétaCan
Menu
← Retour à la cohorte
Enregistrement W4397044465 · doi:10.1681/asn.20233411s1854c

Effects of Ertugliflozin by Uric Acid Quintile: Observations from VERTIS CV

2023· article· en· W4397044465 sur OpenAlexaff
Vikas S. Sridhar, Francesco Cosentino, Samuel Dagogo‐Jack, Richard E. Pratley, Nilo B. Cater, Margaret Noyes Essex, Mario Maldonado, Yujie Zhao, David Z.I. Cherney

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésUric acidMedicineInternal medicineGout

Résumé

récupéré en direct d'OpenAlex

Background: The sodium-glucose cotransporter 2 inhibitor ertugliflozin (ERTU) lowers serum uric acid (UA) levels. Using data from the VERTIS CV trial (NCT01986881), the impact of ERTU on eGFR and albuminuria was investigated in patients by baseline serum UA levels. Methods: Patients with type 2 diabetes and atherosclerotic cardiovascular disease were randomized (1:1:1) to ERTU 5 mg, 15 mg (doses pooled for analyses), and placebo (PBO). Patients were categorized by baseline UA quintile (Table). UA over time, eGFR slopes (chronic from Weeks 6 to 260), and the time to first event of progression of albuminuria were analyzed for ERTU versus PBO. Results: At baseline, there were notable differences by UA subgroup, such as sex, UACR, eGFR and diuretic use (Table). ERTU was associated with reductions in UA over time in all baseline UA subgroups (Fig. A). Treatment with ERTU resulted in a significantly slower rate of yearly eGFR decline in all UA subgroups compared with PBO (P<0.001; Fig. B). ERTU was associated with a reduced risk of albuminuria progression in all UA subgroups compared with PBO (Fig. C; Pinteraction=0.34). Conclusions: In VERTIS CV, ERTU reduced UA while attenuating eGFR decline and albuminuria progression, irrespective of baseline UA quintile. Funding: Commercial Support - The study and this analysis were funded by Merck Sharp & Dohme LLC, a subsidiary of Merck & Co., Inc., Rahway, NJ, USA, in collaboration with Pfizer Inc., New York, NY, USA. Medical writing and/or editorial assistance was provided by Moamen Hammad, PhD, and Melissa Ward, BA, both of Scion, London, UK. This assistance was funded by Merck Sharp & Dohme LLC, a subsidiary of Merck & Co., Inc., Rahway, NJ, USA and Pfizer Inc., New York, NY, USA. Table. - Demographic and clinical characteristics by uric acid (UA) quintile (Q) Variable Q1, UA ≤4.3 mg/dl Q2, UA >4.3 to 5.1 mg/dl Q3, UA >5.1 to 5.8 mg/dl Q4, UA >5.8 to 6.9 mg/dl Q5, UA >6.9 mg/dl N (%) 1,685 (20.5) 1,721 (21.0) 1,540 (18.8) 1,716 (20.9) 1,551 (18.9) Female, n (%) 646 (38.3) 565 (32.8) 441 (28.6) 460 (26.8) 356 (23.0) Mean age, years (SD) 63.4 (7.8) 64.1 (8.1) 64.6 (8.2) 64.7 (8.1) 65.1 (8.0) Mean body mass index, kg/m2 (SD) 30.6 (4.9) 31.3 (5.2) 31.9 (5.2) 32.2 (5.2) 33.5 (6.0) Mean glycated hemoglobin, % (SD) 8.5 (1.0) 8.3 (1.0) 8.2 (0.9) 8.1 (1.0) 8.1 (0.9) Median UACR, mg/g (range) 16.0 (1.0-7,239.0) 16.0 (1.0-5,357.0) 17.0 (1.0-6,884.0) 21.0 (1.0-8,584.0) 28.5 (1.0-9,548.0) Mean eGFR, ml/min/1.73 m2 (SD) 86.2 (15.7) 82.1 (16.6) 78.3 (17.5) 73.9 (18.2) 64.9 (18.9) Antihypertensive use, n (%) 1,567 (93.0) 1,619 (94.1) 1,465 (95.1) 1,655 (96.4) 1,516 (97.7) Diuretic use, n (%) 498 (29.6) 609 (35.4) 634 (41.2) 811 (47.3) 982 (63.3) eGFR, estimated glomerular filtration rate; Q, quintile; SD, standard deviation; UA, uric acid; UACR, urinary albumin-to-creatinine ratio.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of Nephrology→Même sujetDiabetes Treatment and Management→Travaux en français237 207→