Combination Treatment for Cardiorenal Protection in US Adults
Notice bibliographique
Résumé
Background: Clinical guidelines recommend combined use of renin-angiotensin system inhibitors (RASi), sodium-glucose cotransporter-2 inhibitors (SGLT2i), glucagon-like peptide-1 receptor agonists (GLP1RA) and nonsteroidal mineralocorticoid receptor antagonists (nsMRA). Few data exist on eligibility for combined treatment in US adults. Methods: Using the 2017-2020 National Health and Nutrition Examination Survey (NHANES), we estimated eligibility for combination treatment based on grade 1A to 2B recommendations for CKD or cardiovascular (CV) events in 6 clinical guidelines from KDIGO, AHA/ACC, ADA, and RCTs published after the guidelines (SELECT, FLOW, FINEARTS-HF). For combination treatment, we accounted for acute changes in eGFR, UACR and serum potassium at 3 months with each medication class before determining eligibility for the next medication class in the sequence. We stratified results by diabetes (DM) and CKD. We linked NHANES 2007-2016 to the 2018 Death Index to estimate all-cause and CV deaths in eligible adults. Using direct treatment effects of combination treatment from meta-analyses, we projected the number of prevented deaths. Results: Of 8152 adults, 15% had DM, 14% CKD and 5% DM and CKD (DKD). Mean age, eGFR, and UACR were 48yrs, 97ml/min/1.73m2, and 31mg/g. The dual-therapy with highest eligibility was RASi-SGLT2i, with 12% of the US population eligible (DM: 67%; CKD: 43%; DKD: 89%). The triple-therapy with highest eligibility was RASi-SGLT2i-GLP1RA, with 9% overall eligibility (DM: 58%; CKD: 26%; DKD: 67%). Eligibility for quadruple-therapy was 2% overall (DM: 15%; CKD:13%; DKD: 32%). Despite an overall 5% lower eligibility for triple therapy with RASi-SGLT2i-GLP1RA vs. dual therapy with RASi-SGLT2i, all-cause and CV deaths were reduced by ≥33% for RASi-SGLT2i-GLP1RA vs. RASi-SGLT2i, due to synergistic benefits. Conclusion: Eligibility for combined treatment with novel cardiorenal protective therapies is highly prevalent, particularly in DKD. Funding: Government Support – Non-U.S.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».