Semaglutide Reduced Risks of Major Kidney Outcomes Irrespective of CKD Severity in the FLOW Trial
Notice bibliographique
Résumé
Background: Semaglutide reduced risks of major kidney outcomes, cardiovascular (CV) events, and death from any cause in participants with type 2 diabetes (T2D) and chronic kidney disease (CKD) in the FLOW trial. The aim of this analysis was to assess kidney outcomes by baseline CKD severity. Methods: Participants had T2D with eGFR 50–75 mL/min/1.73m2 and urine albumin–creatinine ratio (UACR) >300–<5000 mg/g, or eGFR 25–<50 mL/min/1.73m2 and UACR >100–<5000 mg/g. They were randomized to subcutaneous semaglutide 1 mg once weekly or placebo. The FLOW primary outcome was a composite of kidney failure (initiation of chronic kidney replacement therapy, eGFR <15 ml/min/1.73m2), >50% eGFR decline, or death due to kidney or CV causes. Participants were categorized by baseline eGFR and UACR. Results: Among 3533 participants, 30% (n=1069) were women. At baseline, their mean age was 67 years, mean eGFR was 47 mL/min/1.73 m2, and median UACR was 568 mg/g. The hazard ratio for the primary outcome was 0.76 (95% CI 0.66–0.88) for semaglutide versus placebo over a median of 3.4 years. Consistent results were observed across eGFR and UACR categories (Figure). Conclusion: Semaglutide safely reduced risks of major kidney outcomes irrespective of CKD severity defined by baseline eGFR or UACR in participants with T2D and CKD in the FLOW trial. Funding: Commercial Support - Novo Nordisk
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,002 | 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 ».