MétaCan
Menu
Retour à la cohorte
Enregistrement W4403007949 · doi:10.1136/bmjmed-2024-001009

Sodium-glucose co-transporter-2 inhibitors in patients with chronic kidney disease with or without type 2 diabetes: systematic review and meta-analysis

2024· article· en· W4403007949 sur OpenAlexaff
Xinyu Zou, Qingyang Shi, Per Olav Vandvik, Yunhe Mao, Arnav Agarwal, Belén Ponte, Xiaoxi Zeng, Gordon Guyatt, Qinbo Yang, Xiang‐Hang Luo, Chang Xu, Ping Fu, Haoming Tian, Thomas Agoritsas, Sheyu Li

Notice bibliographique

RevueBMJ Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineKidney diseaseHazard ratioMeta-analysisInternal medicineDiabetes mellitusType 2 diabetesRenal functionRelative riskPlaceboRandomized controlled trialConfidence intervalIntensive care medicineEndocrinologyPathology

Résumé

récupéré en direct d'OpenAlex

Objective: To examine cardiovascular and kidney benefits and harms of sodium-glucose co-transporter-2 (SGLT-2) inhibitors stratified by risk in adults with chronic kidney disease regardless of diabetes status. Design: Systematic review and meta-analysis. Data sources: Ovid Medline, Embase, and Cochrane Central from database inception to 15 June 2024. Eligibility criteria for selecting studies: Randomised controlled trials that compared SGLT-2 inhibitors with placebo or standard care with no SGLT-2 inhibitors in adults with chronic kidney disease with a follow-up duration of ≥12 weeks were eligible. Secondary analyses based on subpopulations from randomised controlled trials and publications not in English language were excluded. Data synthesis: Random effects meta-analyses were conducted, with effect estimates presented as risk ratios with 95% confidence intervals (CIs). Absolute treatment effects were estimated over a five year duration for individuals with varied risks of cardiovascular and kidney complications based on the Kidney Disease Improving Global Outcomes (KDIGO) risk stratification system. Certainty of evidence was assessed using the GRADE (Grading of Recommendations, Assessment, Development, and Evaluation) approach. Results: Evidence from 13 randomised controlled trials (29 614 patients) informed treatment effect estimates. In relative terms, SGLT-2 inhibitors reduced all cause death (risk ratio 0.85 (95% CI 0.74 to 0.98)), cardiovascular death (0.84 (0.74 to 0.96)), kidney failure (0.68 (0.60 to 0.77)), non-fatal stroke (0.73 (0.57 to 0.94)), non-fatal myocardial infarction (0.75 (0.60 to 0.93)), and admission to hospital for heart failure (0.68 (0.60 to 0.78)). No credible subgroup effects were found from diabetes status, heart failure status, estimated glomerular filtration rate, urinary albumin-to-creatinine ratio, and follow-up duration. Absolute effect estimates across these outcomes over a five year period varied across risk groups based on baseline risks of cardiovascular and kidney events. Effects of SGLT-2 inhibitors in the group at low risk included seven fewer all- cause deaths, four fewer admissions to hospital for heart failure per 1000 individuals, and no effects on kidney failure. Effects in the higher risk group included 48 fewer all cause deaths, 58 fewer kidney failures, and 25 fewer admissions to hospital for heart failure per 1000 individuals. Although SGLT-2 inhibitor use was associated with a relative increase in the risk of harms, including genital infection (2.66 (95% CI 2.07 to 3.42)), ketoacidosis (2.27 (1.30 to 3.95)), and symptomatic hypovolaemia (1.29 (1.15 to 1.44)), absolute differences for all harm outcomes were small. Conclusions: Among people who have chronic kidney disease either with type 2 diabetes or not, SGLT-2 inhibitors improved cardiovascular and kidney outcomes with varying degrees of absolute benefit depending on an individual's baseline risks of cardiovascular and kidney-related sequelae. Absolute benefits and harms stratified by risk and associated with SGLT-2 inhibitors should inform individual decision making at the patient level. Systematic review registration: PROSPERO CRD42022325483.

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)0,013
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,027
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0250,039
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,299
Écart entre enseignants0,278 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ MedicineMême sujetDiabetes Treatment and ManagementTravaux en français237 207