Patiromer Facilitates Angiotensin Inhibitor and Mineralocorticoid Antagonist Therapies in Patients With Heart Failure and Hyperkalemia
Notice bibliographique
Résumé
BACKGROUND: Hyperkalemia (HK) is associated with suboptimal renin-angiotensin system (RAS) inhibitor and mineralocorticoid receptor antagonist (MRA) use in heart failure with reduced ejection fraction (HFrEF). OBJECTIVES: This study sought to assess characteristics and RAS inhibitor/MRA use in patients receiving patiromer during the DIAMOND (Patiromer for the Management of Hyperkalemia in Subjects Receiving RAASi Medications for the Treatment of Heart Failure) run-in phase. METHODS: Patients with HFrEF and HK or past HK entered a run-in phase of ≤12 weeks with patiromer-facilitated RAS inhibitor/MRA optimization to achieve ≥50% recommended RAS inhibitor dose, 50 mg/d MRA, and normokalemia. Patients achieving these criteria (randomized group) were compared with the run-in failure group (patients not meeting the randomization criteria). RESULTS: Of 1,038 patients completing the run-in, 878 (84.6%) were randomized and 160 (15.4%) were run-in failures. Overall, 422 (40.7%) had HK entering run-in with a similar frequency in the randomized and run-in failure groups (40.3% vs 42.5%; P = 0.605). From start to the end of run-in, in the randomized group, an increase was observed in target RAS inhibitor and MRA use in patients with HK (RAS inhibitor: 76.8% to 98.6%; MRA: 35.9% to 98.6%) and past HK (RAS inhibitor: 60.5% to 98.1%; MRA: 15.6% to 98.7%). Despite not meeting the randomization criteria, an increase after run-in was observed in the run-in failure group in target RAS inhibitor (52.5% to 70.6%) and MRA use (15.0% to 48.1%). This increase was observed in patients with HK (RAS inhibitor: 51.5% to 64.7%; MRA: 19.1% to 39.7%) and past HK (RAS inhibitor: 53.3% to 75.0%; MRA: 12.0% to 54.3%). CONCLUSIONS: In patients with HFrEF and HK or past HK receiving suboptimal RAS inhibitor/MRA therapy, RAS inhibitor/MRA optimization increased during patiromer-facilitated run-in.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».