Outcomes in New User Cohorts of SGLT2 Inhibitors or GLP-1 Receptor Agonists with Type 2 Diabetes and Chronic Kidney Disease
Notice bibliographique
Résumé
People with chronic kidney disease (CKD) and type 2 diabetes (T2D) have an increased risk of kidney failure and cardiovascular disease. Sodium-glucose cotransporter-2 inhibitors (SGLT2i) and glucagon-like peptide-1 receptor agonists (GLP-1 RA) have shown cardiorenal protective effects. The objective of this multinational, multidatabase study was to describe the incidence of kidney and cardiovascular outcomes in separate, non–mutually exclusive cohorts of patients with CKD and T2D who initiated either an SGLT2i or a GLP-1 RA. Data describing adults (≥ 18 years) with T2D and CKD who were new users of either SGLT2i or GLP-1 RA from 2012 to 2019 were assessed from population-based Danish National Health Registers (DNHR) and Valencia Health System Integrated Database (VID), hospital-based Japan Chronic Kidney Disease Database Extension (J-CKD-DB-Ex), and US Optum ® de-identified Electronic Health Record dataset (Optum ® EHR). Crude incidence rates (IRs) and 95% confidence intervals (CIs) for primary outcomes (kidney failure, acute coronary syndrome, stroke, new-onset congestive heart failure, new-onset atrial fibrillation) and cumulative incidence by follow-up time for primary and secondary outcomes (laboratory measurements of kidney function) were estimated. SGLT2i cohorts comprised 12,501 patients in DNHR, 22,404 in VID, 811 in J-CKD-DB-Ex, and 54,308 in Optum ® EHR. GLP-1 RA cohorts comprised 10,696 in DNHR, 8317 in VID, 219 in J-CKD-DB-Ex, and 78,934 in Optum ® EHR. Baseline clinical profile differences were observed for GLP-1 RA and SGLT2i new users, and crude IRs of kidney and heart failure tended to be higher in the GLP-1 RA cohorts than in the SGLT2i cohorts across data sources. Understanding the incidence of kidney failure and cardiovascular outcomes in people receiving antidiabetic medications with cardiorenal protective effects is important for future studies aiming to compare the incidence of kidney and cardiovascular outcomes related to new and existing CKD treatments.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».