Empagliflozin lowers serum uric acid in chronic kidney disease: exploratory analyses from the EMPA-KIDNEY trial
Notice bibliographique
Résumé
BACKGROUND: Hyperuricaemia and gout are common in chronic kidney disease (CKD). We aimed to assess the effects of sodium-glucose co-transporter-2 (SGLT2) inhibition on uric acid (urate) and gout in patients with CKD. METHODS: The EMPA-KIDNEY trial randomised 6609 patients with CKD to receive either empagliflozin 10 mg daily or matching placebo over a median of 2 years of follow-up. Serum uric acid was measured at randomisation then at 2 and 18 months of follow-up and the effects of empagliflozin were analysed using a pre-specified mixed model repeated measures approach. Participant-reported gout events were analysed in Cox regression models (first events) with the Andersen-Gill extension (total events). A post hoc composite outcome included new initiation of uric acid-lowering therapy or colchicine. EMPA-KIDNEY primary and kidney disease progression outcomes were also assessed in subgroups of baseline serum uric acid. RESULTS: Baseline mean ± standard deviation serum uric acid concentration was 431 ± 114 µmol/l. Allocation to empagliflozin resulted in a study-average between-group difference in serum uric acid of -25.6 µmol/l [95% confidence interval (CI) -30.3 to -21.0], with larger effects in those with higher eGFR (trend P < .001) and without diabetes (heterogeneity P < .001). Compared with placebo, empagliflozin did not significantly reduce first or total gout events [hazard ratio 0.87 (95% CI 0.74-1.02) for the 595 first events and 0.86 (0.72-1.03) for the 869 total events] with similar hazard ratios for the post hoc composite and across subgroups, including by diabetes and eGFR. The effect of empagliflozin on the primary outcome and kidney disease progression outcomes were similar irrespective of the baseline level of uric acid. CONCLUSIONS: SGLT2 inhibition reduces serum uric acid in patients with CKD, with larger effects at higher eGFR and in the absence of diabetes. However, the effect on uric acid is modest and did not translate into reduced risk of gout in EMPA-KIDNEY.
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 | 0,012 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».