Effects of oral semaglutide on kidney outcomes in people with type 2 diabetes: a nationwide, multicentre, retrospective, observational study (Renal_ENDO2S-RWD substudy)
Notice bibliographique
Résumé
Background: Subcutaneous semaglutide has shown kidney-protective effects in people with type 2 diabetes (PWT2D), but data on oral semaglutide remain limited. This multicentre real-world study evaluates the clinical effectiveness of oral semaglutide on kidney outcomes in PWT2D. Methods: We included PW2TD ≥18 years of age who initiated oral semaglutide in routine practice between 2021 and 2022 in the Spanish National Health System, with at least one report of clinical follow-up (FU) data at 3 months. Co-primary endpoints were changes in urine albumin:creatinine ratio (UACR) and estimated glomerular filtration rate (eGFR) slope at 6-12 months. We also assessed baseline predictors of response, drug persistence and safety by CKD severity. Results: , UACR 12 mg/g, 45.8% female, median FU 8.96 months). Oral semaglutide decreased UACR by 30.3% and 40.0% in the overall cohort, by 40.2% and 50.7% in those with a UACR ≥30 mg/g and by 40.6% and 49.9% in those with a UACR ≥300 mg/g at 6 and 12 months of FU, respectively. PWT2D with a low age-adjusted risk of liver fibrosis by the Fibrosis-4 index had increased odds of achieving a >30% reduction in UACR [adjusted odds ratio 5.50 (95% confidence interval 1.6-18.7)] regardless of baseline background. Metabolic and weight loss effectiveness, safety and persistence of oral semaglutide were consistent across CKD severities. Conclusions: In a real-world setting, oral semaglutide treatment for up to 52 weeks resulted in clinically meaningful reductions in albuminuria without changes in the eGFR slope in PWT2D. Effectiveness, safety and tolerability were not influenced by CKD severity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».