Geographic and racial variability in kidney, cardiovascular and safety outcomes with canagliflozin: A secondary analysis of the <scp>CREDENCE</scp> randomized trial
Notice bibliographique
Résumé
AIM: To explore the effect of canagliflozin on kidney and cardiovascular events and safety outcomes in individuals with type 2 diabetes and chronic kidney disease across geographic regions and racial groups. MATERIALS AND METHODS: A stratified Cox proportional hazards model was used to assess efficacy and safety outcomes by geographic region and racial group. The primary composite outcome was a composite of end-stage kidney disease (ESKD), doubling of the serum creatinine (SCr) level, or death from kidney or cardiovascular causes. Secondary outcomes included: (i) cardiovascular death or heart failure (HF) hospitalization; (ii) cardiovascular death, myocardial infarction (MI) or stroke; (iii) HF hospitalization; (iv) doubling of the SCr level, ESKD or kidney death; (v) cardiovascular death; (vi) all-cause death; and (vii) cardiovascular death, MI, stroke, or hospitalization for HF or for unstable angina. RESULTS: The 4401 patients were divided into six geographic region subgroups: North America (n = 1182, 27%), Central and South America (n = 941, 21%), Eastern Europe (n = 947, 21%), Western Europe (n = 421, 10%), Asia (n = 749, 17%) and Other (n = 161, 4%). The analyses included four racial groups: White (n = 2931, 67%), Black or African American (n = 224, 5%), Asian (n = 877, 20%) and Other (n = 369, 8%). Canagliflozin reduced the relative risk of the primary composite outcome in the overall trial by 30% (hazard ratio 0.70, 95% confidence interval 0.59-0.82; P = 0.00001). Across geographic regions and racial groups, canagliflozin consistently reduced the primary composite endpoint without evidence of heterogeneity (interaction P values of 0.39 and 0.91, respectively) or significant safety outcome differences. CONCLUSIONS: Canagliflozin reduces the risk of kidney and cardiovascular events similarly across geographic regions and racial groups.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».