Modeling Cardiorenal Protection with SGLT2 Inhibition in Type 1 Diabetes: An Analysis of DEPICT-1 and -2
Notice bibliographique
Résumé
Background: Sodium-glucose co-transporter-2 (SGLT2) inhibitors improve glycemic control and lower insulin requirements in type 1 (T1D) and type 2 diabetes (T2D). While SGLT2 inhibitors lower cardiovascular disease (CVD) and end-stage kidney disease (ESKD) risk in T2D, dedicated cardiorenal outcome trials have not been performed in T1D. Using validated risk prediction models, the current analysis evaluated the effect of SGLT2 inhibition on estimated CVD and ESKD risk in a T1D cohort. Methods: Demographics, medical history, biomarkers, and blood pressure were extracted from 1,473 participants with T1D enrolled in the DEPICT-1 and -2 trials. Data at baseline, week -24, -52, and -56 (4 weeks off-treatment) were used to estimate 10-year CVD and 5-year ESKD risk using the Steno T1 Risk Engine (SRE) and the Scottish Diabetes Research Network (SDRN) risk prediction models. Risk reduction was determined based on the percent change in risk from baseline between participants receiving dapagliflozin (pooled 5 and 10mg) vs. placebo, and evaluated statistically using a two-factor repeated measures ANOVA. Results: The relative 10-year estimated CVD risk was significantly lower following 52 weeks of dapagliflozin treatment (SRE: -5.8% [-8.4, -3.3%] & SDRN: -11.9% [-16.1, -7.8%]; ; P<0.01). The 5-year ESKD risk was also significantly lower following 52 weeks of dapagliflozin treatment (SRE: -8.4% [-12.4, -4.4%]; P<0.01). The greatest improvement in ESKD risk was observed at week 56 (-12.8% [-16.6, -9.0%]; P<0.01), in conjunction with an expected rise in eGFR post drug cessation. Conclusion: Dapagliflozin improves estimated CVD and ESKD risk in T1D participants, emphasizing the need for cardiorenal outcome trials in people living with T1D. By avoiding the acute, reversible GFR “dip” with SGLT2 inhibition, estimation of ESKD risk using models that incorporate GFR may be best performed when drug is discontinued.Figure 1.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».