Comparative Efficacy of Finerenone versus Canagliflozin in Patients with Chronic Kidney Disease and Type 2 Diabetes: A Matching-Adjusted Indirect Comparison
Notice bibliographique
Résumé
This study aimed to close an evidence gap concerning the relative efficacy of finerenone versus SGLT2is in patients with chronic kidney disease (CKD) and type 2 diabetes (T2D). Canagliflozin was selected as a proxy for the SGLT2i class. Patient-level data of two randomized controlled trials (RCTs) of finerenone (FIDELIO-DKD and FIGARO-DKD) were used alongside aggregated data from CREDENCE, an RCT of canagliflozin. To account for meaningful between-study heterogeneity between each finerenone trial and CREDENCE, a matching-adjusted indirect comparison of a range of efficacy outcomes was undertaken for each finerenone study versus CREDENCE. These results were meta-analyzed, enabling the estimation of the relative effects of finerenone against canagliflozin. For the cardiorenal composite endpoint, the hazard ratio (HR) comparing finerenone to canagliflozin was 1.07 (95% CI: 0.83 to 1.36). The corresponding HRs for all-cause mortality, end-stage kidney disease and cardiovascular death were 0.99 (95% CI: 0.73 to 1.34), 1.03 (95% CI: 0.68 to 1.55) and 0.94 (95% CI: 0.64 to 1.37), respectively. The absence of statistically significant differences was consistent throughout the main analysis and a range of sensitivity analyses. Based on this study, using a large sample of data and adjusted for meaningful differences between the baseline characteristics of the included RCTs, there was no statistically significant evidence indicating a difference in the efficacy of finerenone compared to canagliflozin in the treatment of CKD in patients with T2D.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».