Modeling Cardiorenal Protection with SGLT2 Inhibition in Type 1 Diabetes: An Analysis of EASE-2 and -3
Notice bibliographique
Résumé
Background: Sodium-glucose cotransporter 2 (SGLT2) inhibitors significantly reduce cardiorenal risk in people with type 2 diabetes. It is unknown if these protective effects extend to individuals with type 1 diabetes (T1D). To better understand the potential benefits of SGLT2 inhibition in T1D, we applied the Steno T1 risk engine (SRE) and Scottish Diabetes Research Network (SDRN) risk prediction models to estimate risk of cardiovascular disease (CVD) and end-stage kidney disease (ESKD) in two large T1D cohorts. Methods: Medical history, demographic and biomarker data were extracted from 730 and 960 participants with T1D from the EASE-2 and 3 trials, respectively. The SRE and SDRN risk prediction models were employed at baseline, week 26 (EASE-3) or 52 (EASE-2), and 3 weeks post drug washout to estimate the 10-year CVD and 5-year ESKD risk. Risk reduction was calculated as the percent change in estimated CVD and ESKD risk from baseline between empagliflozin (pooled 10 and 25mg) vs. placebo groups, and compared using a two-way repeated measures ANOVA. Results: Empagliflozin significantly reduced the estimated 10-year CVD risk following 26 weeks (SRE: -9.6% [-12.1, -7.1] & SDRN: -22.4% [-28.1, -16.6]; p<0.01) and 52 weeks (SRE: -9.2% [-11.6, -6.9] & SDRN: -16.7% [-20.7, -12.7]; p<0.01) of treatment compared with placebo. No significant reduction in 5-year ESKD risk was observed while on treatment. The ESKD risk was significantly lower after a 3-week drug washout (SRE: -8.4% [-15.1, -1.7] (EASE-3) & -9.7% [-13.5, -6.0] (EASE-2); p<0.01), in keeping with the expected rise in eGFR. Conclusion: Empagliflozin improves predicted CVD and ESKD risk in T1D participants, thus demonstrating the need for dedicated outcome trials in patients with T1D and established kidney or cardiovascular disease. ESKD risk estimation using GFR-based models may be best implemented after drug washout as to avoid the reversible hemodynamic eGFR “dip” with SGLT2 inhibition.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| 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 ».